Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad 2 PDF
Probabilidad 2 PDF
Estadstica II
COLEGIO DE BACHILLERES
DEL ESTADO DE SONORA
Director General
Lic. Eusebio Pillado Hernndez
Director Acadmico
Lic. Jorge Alberto Ponce Salazar
Director de Planeacin
Dr. Jorge ngel Gastlum Islas
PROBABILIDAD Y ESTADSTICA II
Mdulo de Aprendizaje.
Copyright , 2008 por Colegio de Bachilleres
del Estado de Sonora.
Todos los derechos reservados.
Segunda edicin 2010. Impreso en Mxico.
DIRECCIN ACADMICA
Departamento de Desarrollo Curricular
Blvd. Agustn de Vildsola, Sector Sur
Hermosillo, Sonora. Mxico. C.P. 83280
COMISIN ELABORADORA:
Elaboracin:
Sonia Patricia Ramrez Cuadra
Luis Alberto Gutirrez Valderrama
Revisin de Contenido:
Mara Elena Raya Godoy
Adn Durazo Armenta
Correccin de Estilo:
Antonia Snchez Primero
Supervisin Acadmica:
Nancy Vianey Morales Luna
Edicin:
Ana Isabel Ramrez Vsquez
Coordinacin Tcnica:
Martha Elizabeth Garca Prez
Coordinacin General:
Lic. Jorge Alberto Ponce Salazar
2
Ubicacin Curricular
COMPONENTE: GRUPOS 3 Y 4:
FORMACIN ECONMICO
PROPEDUTICA ADMINISTRATIVO Y
HUMANIDADES Y CIENCIAS
SOCIALES
Nombre: ______________________________________________________
Plantel: _________________________________________________________
Domicilio: _____________________________________________________
______________________________________________________________
3
Mapa Conceptual de la Asignatura
4
ndice
Recomendaciones para el alumno ......................................................................8
Presentacin.........................................................................................................8
5
RIEMS
Introduccin
El Colegio de Bachilleres del estado de Sonora, en atencin a los programas de
estudio emitidos por la Direccin General de Bachillerato (DGB), ha venido
realizando la elaboracin del material didctico de apoyo para nuestros
estudiantes, con el fin de establecer en ellos los contenidos acadmicos a
desarrollar da a da en aula, as como el enfoque educativo de nuestra Institucin.
Es por ello, que actualmente, se cuenta con los mdulos y guas de aprendizaje
para todos los semestres, basados en los contenidos establecidos en la Reforma
Curricular 2005. Sin embargo, de acuerdo a la reciente Reforma Integral de
Educacin Media Superior, la cual establece un enfoque educativo basado en
competencias, es necesario conocer los fines de esta reforma, la cual se dirige a
la totalidad del sistema educativo, pero orienta sus esfuerzos a los perfiles del
alumno y profesor, siendo entonces el camino a seguir el desarrollo de las
competencias listadas a continuacin y aunque stas debern promoverse en
todos los semestres, de manera ms precisa entrar a partir de Agosto 2009, en
el primer semestre.
Competencias Genricas
CATEGORIAS COMPETENCIAS GENRICA
1. Se conoce y valora a s mismo y aborda problemas y retos
I. Se autodetermina
teniendo en cuenta los objetivos que persigue.
y cuida de s.
2. Es sensible al arte y participa en la apreciacin e interpretacin
de sus expresiones en distintos gneros.
3. Elige y practica estilos de vida saludables.
II. Se expresa y 4. Escucha, interpreta y emite mensajes pertinentes en distintos
comunica contextos mediante la utilizacin de medios, cdigos y
herramientas apropiados.
5. Desarrolla innovaciones y propone soluciones a problemas a
partir de mtodos establecidos.
III. Piensa crtica y
6. Sustenta una postura personal sobre temas de inters y
reflexivamente
relevancia general, considerando otros puntos de vista de manera
crtica y reflexiva.
IV. Aprende de 7. Aprende por iniciativa e inters propio a lo largo de la vida.
forma autnoma
V. Trabaja en forma 8. Participa y colabora de manera efectiva en equipos diversos.
colaborativa
9. Participa con una conciencia cvica y tica en la vida de su
VI. Participa con comunidad, regin, Mxico y el mundo.
responsabilidad en 10. Mantiene una actitud respetuosa hacia la interculturalidad y la
la sociedad diversidad de creencias, valores, ideas y prcticas sociales.
11. Contribuye al desarrollo sustentable de manera crtica, con
acciones responsables.
6
Competencias Disciplinares Bsicas
Matemticas
1. Construye e interpreta modelos matemticos mediante la aplicacin de
procedimientos aritmticos, algebraicos, geomtricos y variacionales, para la
comprensin y anlisis de situaciones reales, hipotticas o formales.
2. Formula y resuelve problemas matemticos, aplicando diferentes enfoques.
3. Explica e interpreta los resultados obtenidos mediante procedimientos matemticos y
los contrasta con modelos establecidos o situaciones reales.
4. Argumenta la solucin obtenida de un problema, con mtodos numricos, grficos,
analticos o variacionales, mediante el lenguaje verbal, matemtico y el uso de las
tecnologas de la informacin y la comunicacin.
5. Analiza las relaciones entre dos o ms variables de un proceso social o natural para
determinar o estimar su comportamiento.
6. Cuantifica, representa y contrasta experimental o matemticamente las magnitudes
del espacio y las propiedades fsicas de los objetos que lo rodean.
7. Elige un enfoque determinista o uno aleatorio para el estudio de un proceso o
fenmeno, y argumenta su pertinencia.
8. Interpreta tablas, grficas, mapas, diagramas y textos con smbolos matemticos y
cientficos.
Competencias docentes:
1. Organiza su formacin continua a lo largo de su trayectoria profesional.
2. Domina y estructura los saberes para facilitar experiencias de aprendizaje
significativo.
3. Planifica los procesos de enseanza y de aprendizaje atendiendo al enfoque
por competencias, y los ubica en contextos disciplinares, curriculares y
sociales amplios.
4. Lleva a la prctica procesos de enseanza y de aprendizaje de manera
efectiva, creativa e innovadora a su contexto institucional.
5. Evala los procesos de enseanza y de aprendizaje con un enfoque
formativo.
6. Construye ambientes para el aprendizaje autnomo y colaborativo.
7. Contribuye a la generacin de un ambiente que facilite el desarrollo sano e
integral de los estudiantes.
8. Participa en los proyectos de mejora continua de su escuela y apoya la
gestin institucional.
7
Recomendaciones para el alumno
El presente Mdulo de Aprendizaje constituye un importante apoyo para ti; en l
se manejan los contenidos mnimos de la asignatura Probabilidad y Estadstica II.
No debes perder de vista que el Modelo Acadmico del Colegio de Bachilleres del
Estado de Sonora propone un aprendizaje activo, mediante la investigacin, el
anlisis y la discusin, as como el aprovechamiento de materiales de lectura
complementarios; de ah la importancia de atender las siguientes
recomendaciones:
Presentacin
La asignatura de Probabilidad y Estadstica II que pertenece al Grupo Disciplinario
EconmicoAdministrativo, tiene como propsito formar al alumno en el manejo
de los datos y el clculo de las probabilidades de ocurrencia como un
fundamento para comprender los diversos fenmenos o situaciones que existen
en la economa, la administracin e inclusive otros campos profesionales tales
como: la Sociologa, la Medicina, la Ingeniera, el Diseo, la Qumica, la Fsica y en
general en cualquier otra actividad humana.
8
Unidad 1
Probabilidad
Conjunta.
Objetivos:
El alumno:
Organizador anticipado:
La probabilidad se basa en el estudio de poblaciones y Temario:
muestras, mismas que se ven involucradas en diferentes
eventos. Conceptos bsicos de
probabilidad.
Esta unidad, te ayudar a comprender la probabilidad y su Probabilidad conjunta.
aplicacin en la vida cotidiana. Regla de la adicin.
Probabilidad condicional e
independencia.
Regla de la multiplicacin
Teorema de Bayes.
Probabilidad y Estadstica II
PROBABILIDAD CONJUNTA
Teorema de Bayes
10
Probabilidad Conjunta
1. 1. TEORA COMBINATORIA.
En estos tres ejemplos puedes ver que el nmero de elementos (m) es el primer
factor, cada uno de los que le siguen van decreciendo de unidad en unidad. En
ltimo factor observamos que el valor que se le resta a m equivale al valor de n
menos 1.
11
Probabilidad y Estadstica II
Comprobamos:
La frmula de ser:
Si tenemos unos cartones, cada uno con una vocal, podemos extraer dos veces
la misma vocal. Cada grupo ves que se diferencia en tener un elemento distinto
o en el orden de colocacin.Por cada vocal conseguimos 5 grupos de 2 vocales
caso de
12
Probabilidad Conjunta
Combinaciones y permutaciones
Qu diferencia hay?
13
Probabilidad y Estadstica II
Permutaciones
Sin repeticin: por ejemplo los tres primeros en una carrera. No puedes
quedar primero y segundo a la vez.
Son las ms fciles de calcular. Si tienes n cosas para elegir y eliges r de ellas,
las permutaciones posibles son:
n n ... (r veces) = nr
nr
14
Probabilidad Conjunta
16 15 14 13 ... = 20,922,789,888,000
16 15 14 = 3360
Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.
15
Probabilidad y Estadstica II
4! = 4 3 2 1 = 24
7! = 7 6 5 4 3 2 1 = 5040
1! = 1
As que si quieres elegir todas las bolas de billar las permutaciones seran:
16! = 20,922,789,888,000
Pero si slo quieres elegir 3, tienes que dejar de multiplicar despus de 14.
Cmo lo escribimos? Hay un buen truco... dividimos entre 13!...
16 15 14 13 12 ...
= 16 15 14 = 3360
13 12 ...
La frmula se escribe:
16
Probabilidad Conjunta
Ejemplos:
Notacin
Combinaciones
17
Probabilidad y Estadstica II
Volviendo a las bolas de billar, digamos que queremos saber cules se eligieron,
no el orden.
Pero muchas de ellas son iguales para nosotros, porque no nos importa el
orden.
Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:
18
Probabilidad Conjunta
De hecho hay una manera fcil de saber de cuntas maneras "1 2 3" se pueden
ordenar, y ya la sabemos. La respuesta es:
3! = 3 2 1 = 6
As que slo tenemos que ajustar nuestra frmula de permutaciones para reducir
por las maneras de ordenar los objetos elegidos (porque no nos interesa
ordenarlos):
19
Probabilidad y Estadstica II
Notacin
Ejemplo
161514 3360
= = 560
321 6
Recuerda la frmula!
20
Probabilidad Conjunta
Tringulo de Pascal
Puedes usar el tringulo de Pascal para calcular valores. Baja a la fila "n" (la de
arriba es n=0), y ve a la derecha "r" posiciones, ese valor es la respuesta. Aqu
tienes un trozo de la fila 16:
1 14 91 364 ...
1 15 105 455 1365 ...
1 16 120 560 1820 4368 ...
{c, c, c} (3 de chocolate)
(Y para dejarlo claro: hay n=5 cosas para elegir, y eliges r=3 de ellas.
21
Probabilidad y Estadstica II
Bien, no puedo decirte directamente cmo se calcula, pero te voy a ensear una
tcnica especial para que lo averiges t mismo.
{c, c, c} (3 de chocolate):
{b, l, v} (uno de banana, uno de limn y uno
de vainilla):
{b, v, v} (uno de banana, dos de vainilla):
As que (en general) hay r + (n-1) posiciones, y queremos que r de ellas tengan
crculos.
22
Probabilidad Conjunta
(5+3-1)! 7! 5040
= = = 35
3!(5-1)! 3!4! 624
23
Probabilidad y Estadstica II
1. 2. CONCEPTOS BSICOS DE
PROBABILIDAD.
Actividad 1:
1. Propn otros dos ejemplos donde sea posible usar este enfoque.
24
Probabilidad Conjunta
Actividad 2:
1. Menciona a cul de los enfoques corresponderan las probabilidades
asignadas al evento maana llover, si la informacin proviene de: (a) el Pgina 49.
Servicio Meteorolgico Nacional, (b) de su proveedor de revistas.
2. A partir de los datos de la Tabla 1.3, donde se muestran los resultados de
una encuesta de alumnos, calcula cul es la probabilidad emprica de que un
alumno no se encuentre satisfecho con su progreso.
3. Si se lee cuidadosamente, se puede ver que en el nico caso en que es
posible establecer de manera correcta la probabilidad de un evento, es
cuando se conoce el nmero exacto de xitos y el nmero total de resultados
posibles (probabilidad clsica a priori) Por qu?
Ejemplo:
En el ejemplo de la encuesta un evento simple sera A = {No est satisfecho
con la carrera}.
Actividad 3:
1. Propn otros cinco ejemplos diferentes utilizando dados y define en cada uno
los eventos simples.
2. A partir de las definiciones de evento y espacio muestral Qu similitudes se
podran establecer entre ellas y los conceptos de variable, muestra y
poblacin.
25
Probabilidad y Estadstica II
Actividad 4:
1. En los ejemplos propuestos por t en la Actividad 1. 2, define tres eventos y
determina el complemento para cada uno.
2. En el ejemplo de la encuesta define todos los posibles eventos conjuntos.
Luego, cada evento se representa con un crculo dentro del espacio muestral S
para el cual se usa un rectngulo para representarlo.
s A B
AUB
AB
A B
26
Probabilidad Conjunta
Actividad 5:
1. En el ltimo ao las compaas de telfonos han hecho grandes esfuerzos
para atraer nuevos clientes. Supn que en una muestra de 400 familias una
compaa telefnica obtuvo informacin sobre el inters de planes de larga
distancia y sobre las necesidades semanales de realizar llamadas de larga
distancia internacional.
27
Probabilidad y Estadstica II
s
A B
1. 3. PROBABILIDAD CONJUNTA.
28
Probabilidad Conjunta
Marginal: Probabilidad individual significa que slo puede tener lugar un evento.
P(SOL) =
Por ejemplo, si se usan los datos de la Tabla 1.1, la probabilidad del evento A =
el alumno est satisfecho con su carrera se calcula como P(A) = 712/800 =
0.89.
29
Probabilidad y Estadstica II
carrera como con sus avances en la misma (362) divido por el nmero total de
alumnos encuestados (800), y se denota con P(A y B) o con P(A B) y en este
caso es igual a 362/800 = 0.4525.
Observaciones:
2. Si el espacio muestral es divido en r eventos, A1, A2, ,Ar, que definen una
caracterstica, como por ejemplo Satisfaccin con la carrera; y si en este
mismo espacio se considera otra particin generada por s eventos B1, B2,
,Bs, que definen otra caracterstica como ser Satisfaccin con su progreso
en la carrera, entonces el espacio muestral S queda particionado en rxs
subconjuntos. En el ejemplo de la encuesta, r = s = 2, y donde A1 = Si est
satisfecho con la carrera, A2 = No est satisfecho con la carrera, B1 = Si
est con su progreso y B2 = No est satisfecho con su progreso, luego el
espacio muestral queda dividido en 4 subconjuntos a saber A1B1, A2B1,
A1B2, A2B2, y sus respectivas probabilidades P[AiBj] = P[Ai y Bj], son
las ya definidas probabilidades conjuntas, mientras que las probabilidades de
los eventos determinados por cada particin, es decir, P[Ai] y P[Bj] son las
probabilidades marginales correspondientes a la primera y segunda particin
respectivamente.
30
Probabilidad Conjunta
31
Probabilidad y Estadstica II
Primero calculemos la probabilidad de ser hombre. Para esto sabemos que son
30 alumnos (casos posibles) y que de ellos 22 son mujeres. Si a 30 le quitamos
22 nos quedan 8 que son los hombres (casos favorables). Al sustituir tenemos:
P(hombre y matemticas) =
P(hombre) *
P(matemticas)
P(hombre y matemticas) =
32
Probabilidad Conjunta
Ejemplos
Una persona tiene una moneda y en unos momentos va a lanzarla al aire y por
supuesto existe la incertidumbre sobre el resultado de tal accin, veamos la
interpretacin de cada uno de los trminos.
Evento: Cada una de las respuestas de esta actividad, el evento uno ser sello y
el evento dos ser guila.
S= guila, Sol.
Actividad 1.6:
1. Usando los datos del problema dado en la actividad 1.4, si una familia es
seleccionada al azar, (a) Cul es la probabilidad que la familia seleccionada
no se haya adherido a ningn plan de larga distancia?
(b) Usando la expresin (3) determina la probabilidad del evento definido en el
apartado (a). Sugerencias: Define los eventos Bi usando la informacin sobre
necesidad de llamar al exterior semanalmente.
(c) Determina la probabilidad de que la familia seleccionada se haya adherido a
algn plan de larga distancia usando la probabilidad calculada en el apartado
(a) y la relacin entre las probabilidades de un evento y su complemento.
(d) Di si los eventos A = Est adherido a un plan de larga distancia y B = Tiene
necesidad de llamar al exterior semanalmente, son mutuamente excluyentes.
Justifica la respuesta.
33
Probabilidad y Estadstica II
1. 4. REGLA DE LA ADICIN.
Actividad 1.7:
Pgina 51.
1. Verifique la regla de la adicin usando los datos de la Tabla 3.1 considerando
como
34
Probabilidad Conjunta
35
Probabilidad y Estadstica II
Hay que notar que esta propiedad no es conmutativa, situacin que s ocurre
con la probabilidad de unin o la interseccin de eventos, por lo que no hay que
confundir P(A|B) y P(B|A).
36
Probabilidad Conjunta
Actividad 1.8:
1. Con los datos de la Tabla 3.2 define dos eventos A y B no mutuamente
excluyentes y calcula P[B|A] usando la expresin (6).
37
Probabilidad y Estadstica II
o, que es lo mismo:
Ejemplos:
Ejemplo 1.4: Usando los datos del ejemplo anterior, es decir, P[A|B] = 0.9526 y
a partir de los de la Tabla 1.1 se tiene que P[B] = 380/800 = 0.4750 y la
expresin (8) se obtiene que
Solucin:
38
Probabilidad Conjunta
p(B1/DM2/DM3) = p(B1)p(DM2/B1)p(DM3/B1/DM2)
= (11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739
P(Dm1/DM2/B3) = p(Dm1)p(DM2/Dm1)p(B3/Dm1/DM2)
= (5/25)*(9/24)*(11/23)=
= 0.2*0.375*0.4782608= 0.03587
= 0.18332
39
Probabilidad y Estadstica II
P(M1/M2/N3/H4) = p(M1)p(M2M1)p(N3M1M2)p(H4M1M2N3)
= (6/12)*(5/11)*(2/10)*(4/9)
= 240/11,880 = 0.0202
p(N1/H2/N3/M4) = p(N1)p(H2/N1)p(N3/N1/H2)p(M4/N1/H2/N3) =
= (2/12)*(4/11)*(1/10)*(6/9)
= 48/11,880
= 0.00404
p(M1/H2/M3/H4) = p(M1)p(H2/M1)p(M3/M1/H2)p(H4/M1/H2/M3)
= (6/12)*(4/11)*(5/10)*(3/9)
= 360/11,880
= 0.0303
Observacin:
Actividad 1.9:
1. Verifica el resultado del ejemplo 1.4 usando los datos de la Tabla 1.1.
2. Escribe la definicin de P[A y B] si se conoce P[B/A].
40
Probabilidad Conjunta
EQUIPROBABILIDAD:
P (guila) = P (sello)
Marginal: Probabilidad individual significa que slo puede tener lugar un evento.
P(sello) =
Frmula:
P(A B) = P(A) * P (B)
P(A B) = PROBABILIDAD DE QUE LOS EVENTOS A Y B OCURRAN JUNTOS
O EN SUCESIN.
P(A) = PROBABILIDAD MARGINAL DE A.
P (B) = PROBABILIDAD MARGINAL DE B.
41
Probabilidad y Estadstica II
1.7.1. Definicin:
1.7.2. Interpretacin.
1.7.3. Propiedades.
1. P ( A / B ) + P ( A / B ) = 1
2. A B P ( A / B ) = 1
42
Probabilidad Conjunta
P( A B) = P( A) P( B)
P(A/B) = P(A)
P(B/A) = P(B)
EJEMPLOS
92%
D = evento de que el producto seleccionado
ND sea defectuoso (evento que condiciona).
D
43% 2% A = evento de que el producto sea fabricado
B en la mquina A.
26%
98% B = evento de que el producto sea fabricado
ND por la mquina B.
31%
C = evento de que el producto sea fabricado
por la mquina.
1.6% D
C
98.4%
ND
43
Probabilidad y Estadstica II
= 0.0052/0.04456
=0.116697
P(C/ND)=p(C/ND)/p(ND)=p(C)p(ND/C)/p(A)p(ND/A) + p(B)p(ND/B) +
p(C)p(ND/C)
= 0.30504/0.95544
=0.31927
44
Probabilidad Conjunta
PS 97.2% NQ
18.5%
1.0% Q
32%
S
99.0% NQ
49.5%
4.0%
Q
FI
96.0%
NQ
= 0.97182
45
Probabilidad y Estadstica II
P(PS/NQ)=p(PS/NQ)/p(NQ)
=(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)=
= 0.17982/0.97182
= 0.1850342
P(FI/Q) = p(FI/Q)/p(Q)
= 0.0198/0.02818
= 0.7026
Entonces: A B = 0 .
46
Probabilidad Conjunta
RESUMEN
47
Probabilidad y Estadstica II
Tipos de probabilidad
Reglas de Probabilidad
Independencia estadstica
P[A/B] = P[A]
P[A y B] = P[A]. P[B]
48
Probabilidad Conjunta
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Realiza una investigacin sobre la probabilidad clsica a priori, clsica emprica y
subjetiva.
Realiza un cuadro comparativo donde muestres ejemplos, analzala y entrega conclusiones a tu profesor.
Clsica a priori
Clsica emprica
Subjetiva
CONCLUSIONES:
49
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
50
Probabilidad Conjunta
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Realiza una investigacin sobre ejemplos de eventos mutuamente excluyentes, identifica
las caractersticas principales y entrega un reporte a tu profesor.
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
51
Probabilidad y Estadstica II
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
52
Probabilidad Conjunta
Nombre _________________________________________________________
AUTOEVALUACIN
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
1.
En este tipo de probabilidad, un evento se basa en el conocimiento del proceso involucrado.
Clsica emprica.
Clsica a priori.
Subjetiva.
Estadstica.
2.
En esta probabilidad, la asignacin de los sucesos o eventos de inters se basan en la informacin
observada y no en el conocimiento previo del proceso.
Estadstica.
Clsica a priori.
Clsica emprica.
Subjetiva.
3.
Se refiere a la probabilidad asignada por una persona en particular basada generalmente en su experiencia,
opinin personal y anlisis que l hace de la situacin particular que se evala.
Estadstica.
Clsica a priori.
Clsica emprica.
Subjetiva.
4.
Se denomina as a cada posible acontecimiento que se puede describir mediante una sola caracterstica.
Espacio muestral.
Evento.
Complemento.
Contingencia.
6.
En esta probabilidad dos o ms eventos independientes ocurren junto con la sucesin.
Marginal.
Condicionada.
Condicional.
Conjunta.
53
Probabilidad y Estadstica II
Independencia.
Adicin.
Teorema de Bayes.
Multiplicacin.
P( A B)
11. Est definida como: P ( A / B ) =
P( B)
Independencia.
Adicin.
Teorema de Bayes.
Multiplicacin.
54
Probabilidad Conjunta
INSTRUCCIONES: Forma equipo con un mximo de cinco compaeros de clase y hagan los siguientes
ejercicios. Disctanlos en clase.
1. En una ciudad el 55% de los habitantes consume pan integral, el 30% consume pan de multicereales y
el 20% consume ambos. Se pide:
I) Sabiendo que un habitante consume pan integral Cul es la probabilidad de que coma pan de
multicereales?
II) Sabiendo que un habitante consume pan de multicereales Cul es la probabilidad de que no
consuma pan integral?
III) Cul es la probabilidad de que una persona de esa ciudad no consuma ninguno de los dos tipos
de pan?
2. El equipo directivo de cierta empresa del sector de hotelera est constituido por 25 personas de las que
un 60% son mujeres. El gerente tiene que seleccionar a una persona de dicho equipo para que
represente a la empresa en un certamen internacional. Decide lanzar una moneda: si sale cara,
selecciona a una mujer y si sale cruz, a un hombre.
Sabiendo que 5 mujeres y 3 hombres del equipo directivo no hablan ingls, determina, justificando la
respuesta, la probabilidad de que la persona seleccionada hable ingls.
3. Dos personas piensan cada una de ellas un nmero del 0 al 9. Calcula la probabilidad de que las dos
personas no piensen el mismo nmero.
4. En una Universidad existen tres facultades: A, B y C. En A hay matriculadas 150 chicas y 50 chicos; en
B, 300 chicas y 200 chicos; y en C, 150 chicas y 150 chicos.
a. Calcula la probabilidad de que un estudiante, elegido al azar, sea chico.
b. Si un estudiante elegido al azar resultara ser chico Cul es su facultad ms probable?
5. Se escuchan tres discos y se vuelven a guardar en un estuche elegido al azar Cul es la probabilidad
de que al menos uno de los discos haya sido guardado en el envoltorio que le corresponda?
6. Se considera una clula en el instante t=0. En el instante t=1 la clula puede: bien reproducirse,
dividindose en dos, con probabilidad 3/4, o bien morir con probabilidad 1/4.
Si la clula se divide, entonces en el tiempo t=2 cada uno de sus dos descendientes puede tambin
subdividirse o morir, con las mismas probabilidades que antes, independientemente uno de otro.
55
Probabilidad y Estadstica II
7. Una caja contiene 10 bolas blancas, 5 negras y 5 rojas. Se extraen dos bolas consecutivamente de la
caja. Calcula la probabilidad de que las dos sean blancas si:
9. En una oficina el 70% de los empleados son asturianos. De entre los asturianos, el 50% son hombres,
mientras que de los no asturianos, slo son hombres el 20%.
10. El 12% de los habitantes de un pas padece cierta enfermedad. Para el diagnstico de sta, se dispone
de un procedimiento que no es completamente fiable ya que da positivo en el 90% de los casos de
personas realmente enfermas, pero tambin da positivo en el 5% de personas sanas Cul es la
probabilidad de que est sana una persona a la que el procedimiento le ha dado positivo?
11. En un ayuntamiento hay 5 concejales del partido A, 4 del B y 1 del C. Si se eligen al azar y
sucesivamente tres concejales Cul es la probabilidad de que los tres sean del partido A? Y la de que
pertenezcan a partidos distintos?
12. Un dado ha sido trucado de manera que la probabilidad de sacar un nmero par es el doble que la de
sacar un nmero impar. Se lanza el dado y se pide:
13. Tengo dos urnas, dos bolas blancas y dos bolas negras. Se desea saber como debo distribuir las bolas
en las urnas para que, al elegir una urna al azar, sea mxima la probabilidad de obtener una bola
blanca. La nica condicin exigida es que cada una tenga al menos una bola.
14. Consideremos el tipo de secadora de ropa (de gas o elctrica) comprada por cinco clientes de una
tienda.
b) Si P(los 5 compren de gas) = 0.0768 y P(los 5 compren elctrica) = 0.0102 Cul es la probabilidad
de que al menos compren una de cada tipo?
56
Probabilidad Conjunta
15. El evento A es que el prximo prstamo de una biblioteca sea un libro que no es de ficcin y B que sea
de ficcin. Supongamos que P(A) = 0.35 y P(B) = 0.50
b) Calcule P(A')
c) Calcule P(A B)
Se sabe que: el 70% de los compradores piden A; 80% B; 75% C; 85% A B; 90% A C; 95% B C; 98%
A, B C.
Hagan un diagrama de Venn Euler para representar los tres eventos, determinando la probabilidad de que el
siguiente comprador:
Escriban el espacio muestral y, teniendo en cuenta que las 36 parejas de posibles resultados con dos
dados: { (1,1), (1,2), (1,3), . . . } son igualmente probables.
Elabore una tabla estadstica de distribucin de probabilidad para cada ejemplo propuesto.
57
Probabilidad y Estadstica II
58
Unidad 2
Distribucin de
Probabilidad de
Variables Aleatorias
Discretas.
Objetivos:
El alumno:
Organizador anticipado:
Temario:
Al participar en juegos de azar, como son el tirar dados,
sabemos que est inmersa la probabilidad; pero as tambin, Distribucin de probabilidad de una
si profundizamos sobre el tema, podremos realizar variable aleatoria discreta.
estimaciones. Distribucin de probabilidad binomial.
DISTRIBUCIN
DE
PROBABILIDAD
Variables Distribucin de
aleatorias la probabilidad
discretas binomial
60
Distribucin de Probabilidad de Variables Aleatorias Discretas
Definicin 2
NOTA: P (Y) solo es una funcin que asigna probabilidad a cada valor y; a esto
se debe que a veces se le llame funcin de probabilidad Y.
61
Probabilidad y Estadstica II
Definicin: 3
EJEMPLO
Supn que se lanza un par de dados honrados sin trampa, y que la variable
aleatoria X denote la suya de los puntos.
S O L U C I N.
x 2 3 4 5 6 7 8 9 10 11 12
F(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
b) Grfica.
Ejercicio 1.
7
6
5
4
3 f(x)
2
1
0
2 3 4 5 6 7 8 9 10 11 12
62
Distribucin de Probabilidad de Variables Aleatorias Discretas
Tabla
X 0 1 2 3
p (x)
Ejercicio 2. TAREA 2
Construir la tabla, trazar la grfica y funcin de probabilidad y descubrir la
funcin de probabilidad al momento de lanzar tres monedas al aire y obtener sol.
Pgina 71.
2.1.3 Media y la varianza de las distribuciones discretas.
1 2 3 4
2
xi P(xi) (xi) P(xi) ( xi = ) P (xi)
1 1/6 1/6 (1-3.5)2 1/6 = 1.042
2 1/6 2/6 (2-3.5)2 1/6 = 0.375
3 1/6 3/6 (3-3.5)2 1/6 = 0.042
4 1/6 4/6 (4-3.5)2 1/6 = 0.042
5 1/6 5/6 (5-3.5)2 1/6 = 0.375
63
Probabilidad y Estadstica II
2 = (xi )2 P(xi)
Ejercicio 2.
1 2 3 4 5
(xi-) P(xi2 )
Num. de meses Casa(xi) P(xi) (xi) P(xi)
3 5
7 8
4 10
5 12
3 17
2 20
24
2. 2. DISTRIBUCIN DE
PROBABILIDAD BINOMIAL.
Una distribucin de probabilidad es un despliegue de todos los posibles
resultados de un posible experimento aleatorio junto con las posibilidades de
cada resultado. Algunos experimentos son idnticos e independientes, cada uno
de los cuales puede generar uno de dos posibles resultados. Por ejemplo: cada
una de las N personas entrevistadas antes de las elecciones locales pueden o
no favorecer a un determinado candidato.
64
Distribucin de Probabilidad de Variables Aleatorias Discretas
2. Cada ensayo tiene dos posibles soluciones. E denota que el avin no fue
detectado y F que el avin se detect.
n=4
P = .05
q = 1 - .05 = .095
Ejercicio:
65
Probabilidad y Estadstica II
Ejemplo:
3 C0 3 C2
P (o) = P (y = o) =
6 C2
3 C 1 3 C1
P (1) = P (y = 1) =
6 C2
3 C2 3 C0
P (2) = P (y = 2) =
6 C2
Tabla
Y P(y)
1
0
5
3
1
5
1
2
5
Grfica.
2 P(y)
0
0 1 2
3 C y 3 C 2 y
P (y) = y=0, 1, 2
6 C2
66
Distribucin de Probabilidad de Variables Aleatorias Discretas
Ejercicio:
a) Ninguna vez.
b) Una vez.
c) Dos veces.
d) Tres veces.
e) Cuatro veces.
f) Todas las veces.
Datos:
P = 1/6
q = 1-p = 5/6
Media de x: = [ x P(x) ]
2 = (x-)2 P(x)
Desviacin estndar:
= 2
TAREA 3
Pgina 73.
67
Probabilidad y Estadstica II
=np
= npq
Ejemplo:
= n p = 20(.6) = 12
2= n pq = (20)(.6)(.4) = 4.8
= 4.8 2.19
Ejercicio.
68
Distribucin de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
distribucin uniforme.
distribucin binomial.
distribucin binomial negativa.
distribucin poisson.
distribucin geomtrica.
distribucin hipergeomtrica.
distribucin normal estandarizada.
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
69
Probabilidad y Estadstica II
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
70
Distribucin de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
71
Probabilidad y Estadstica II
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
72
Distribucin de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 3 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
X
P (x) = , para x = 1, 2, 3 4
10
Completa la siguiente tabla:
Media
= [x P(x)] =
Varianza
Desviacin
= 2 = 1.0 = 1
73
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
74
Distribucin de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 4 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
http:// Istat.Kuleuven.be/java/index.htm
Una vez abierta la pgina selecciona el cono Basic y despus el cono characteristics of distributions y
espera de uno a tres minutos, aparecer en pantalla un grfico similar a un Histograma correspondiente a
una distribucin Binomial con parmetros: n=2, p=o.5 de donde los posibles valores para la variable de
estudio X son 0,1 y 2.
En la parte inferior derecha de la pantalla aparecen dos recuadros que te permitirn modificar los
parmetros n y p, de igual manera un recuadro titulado New Window te brinda la oportunidad de explorar
varias distribuciones Binomiales a la vez. Cada vez que modifiques los parmetros presiona el recuadro
Rescale para que aparezca adecuadamente el nuevo histograma. Haz un anlisis de tendencias del
histograma.
75
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
76
Distribucin de Probabilidad de Variables Aleatorias Discretas
Nombre _________________________________________________________
AUTOEVALUACIN
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
Aleatoria.
Aleatoria discreta.
Categrica.
Numrica.
3. Si deseamos conocer el nmero de vuelos que llegan al aeropuerto de Cd. Obregn diariamente, es un
ejemplo de variable:
Nominal.
Categrica.
Numrica discreta.
Numrica continua.
77
Probabilidad y Estadstica II
7. Se encuentra multiplicando cada valor posible de X por su propia probabilidad y despus sumando
los productos:
Media aritmtica.
Varianza de la variable.
Desviacin estndar.
Medida de la variable aleatoria discreta.
8. Al lanzar una moneda al aire la posibilidad de que caiga guila o sello es un ejemplo de:
Distribucin binomial.
Numrica discreta.
Experimento.
Medidas de tendencia central.
9. Es un despliegue de todos los posibles resultados de un posible experimento junto con las
posibilidades de cada resultado.
Distribucin binomial.
Distribucin de probabilidad.
Experimento.
xito.
78
Distribucin de Probabilidad de Variables Aleatorias Discretas
El 75% de los automviles extranjeros vendidos en Mxico en el 2007, ahora estn cayndose en pedazos.
79
Probabilidad y Estadstica II
80
Distribucin de Probabilidad de Variables Aleatorias Discretas
INSTRUCCIONES: En la revista proceso en un artculo publicado el 25 de abril del presente ao, se reporta el
porcentaje de nios que fuman en cada grupo de edad.
81
Probabilidad y Estadstica II
82
Distribucin de Probabilidad de Variables Aleatorias Discretas
X 1 3 4 5
P(x) .2 .3 .4 .1
e. Encuentre la media de X.
83
Probabilidad y Estadstica II
84
Unidad 3
Distribuciones
de probabilidad
con variables
aleatorias
continuas.
Objetivos:
El alumno:
Organizador anticipado:
Temario:
Dado todo elemento del universo conocido, y el tiempo suficiente, Distribucin de probabilidad con
nuestra existencia es inevitable. No es ms misteriosa que los rboles variables aleatorias continuas.
o los tiburones. Somos una probabilidad matemtica, y eso es todo. Distribucin de probabilidad
normal estandarizada.
Solaris (2002)
DISTRIBUCIN DE
PROBABILIDAD CON
VARIABLES ALEATORIAS
CONTINUAS
86
Distribuciones de Probabilidad con Variables Aleatorias Continua
3. 1. DISTRIBUCIONES DE
PROBABILIDAD CON VARIABLES
ALEATORIAS CONTINUAS.
87
Probabilidad y Estadstica II
Distribuciones de probabilidad
Como hemos visto hay variables aleatorias que pueden tomar cualquier valor de
un intervalo real de la forma ( a, b), ( , b), ( a,+ ), ( ,+ ) o uniones de
ellos. A las variables de este tipo se las denomina variables aleatorias continuas.
88
Distribuciones de Probabilidad con Variables Aleatorias Continua
Ejemplo 1
Ejemplo 2
89
Probabilidad y Estadstica II
Para que f(x) sea una FDP (FDP = f(x)) sea legtima, debe satisfacer las
siguientes dos condiciones:
2.
90
Distribuciones de Probabilidad con Variables Aleatorias Continua
1. Introduccin
91
Probabilidad y Estadstica II
campo de la salud puede ser descrito mediante una distribucin normal, puede
resultar incluso poco frecuente encontrar variables que se ajusten a este tipo de
comportamiento.
2. La Distribucin Normal
La distribucin normal fue reconocida por primera vez por el francs Abraham de
Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor
desarrollos ms profundos y formul la ecuacin de la curva; de ah que tambin
se le conozca, ms comnmente, como la "campana de Gauss". La distribucin
de una variable normal est completamente determinada por dos parmetros, su
media y su desviacin estndar, denotadas generalmente por y .
La distribucin normal es la distribucin de probabilidad que con ms frecuencia
aparece en estadstica y teora de probabilidades. Esto se debe a dos razones
fundamentalmente:
a). Su funcin de densidad es simtrica y con forma de campana, lo que
favorece su aplicacin como modelo a gran nmero de variables
estadsticas.
b). Es adems, lmite de otras distribuciones y aparece relacionada con multitud
de resultados ligados a la teora de las probabilidades gracias a sus
propiedades matemticas.
92
Distribuciones de Probabilidad con Variables Aleatorias Continua
Dada una variable aleatoria normal X, con media (tambin llamada Esperanza
matemtica) y desviacin tpica , si definimos otra variable aleatoria
93
Probabilidad y Estadstica II
Pgina 123.
VI. La forma de la campana de Gauss depende de los parmetros y .
34% 34%
13.5% 13.5%
2.3% 2.3%
-3 -2 - -+ +2 +3
En donde:
1 0.398942
Y0 = =
2
x
z=
La frmula ser entonces:
1 x
2
0.398942
2
Y= e
La campana de Gauss o curva normal es una funcin de probabilidad continua,
simtrica, cuyo mximo coincide pues con la media y la desviacin tpica
Para cada valor de (media) y cada valor de (desviacin tpica) hay una curva
normal, que se denomina N (, )
94
Distribuciones de Probabilidad con Variables Aleatorias Continua
3.2. DISTRIBUCIN DE
PROBABILIDAD NORMAL
ESTANDARIZADA.
P [z k] = 1 P [z < k] = 1 - k()
P [a z b] = P[z b] P[z a]
Si x es N(,), para calcular la probabilidad P[b < x < k] se procede del siguiente
modo: P[b < x < k] = P[(b )/<< (k )/]. El cambio k [(k )/ ] se llama
tipificacin de la variable. La variable ya tipificada sigue una distribucin N(0,1)
Ejemplo:
95
Probabilidad y Estadstica II
1. x. 16
2. Media. 10
3. Desviacin estndar. 3
4. Probabilidad de que x sea menor que = DISTR.NORM (B1; B2; B3;
VERDADERO)
16 [97,72%]
5. Probabilidad de que x sea mayor que = 1-B4
16 [2,28%]
Ejemplo:
1. Podemos tomar el percentil 50, ya que este valor deja por debajo suya a la
mitad, 0,5, de la masa de probabilidad. Este valor, x0,5, se definira como:
Donde:
96
Distribuciones de Probabilidad con Variables Aleatorias Continua
Por tanto podemos decir que la mitad de la poblacin tiene una altura inferior a:
Figura: Intervalo donde tenemos asegurado que el 50% de la poblacin tiene un TAREA 2
peso comprendido en l. Como se observa, no es un tamao ptimo, en el
sentido de que el intervalo es demasiado grande (longitud infinita a la izquierda).
Pgina 125.
0.5
97
Probabilidad y Estadstica II
donde:
Anlogamente se calculara
98
Distribuciones de Probabilidad con Variables Aleatorias Continua
donde:
En conclusin:
El 50% de la poblacin tiene un peso comprendido en el intervalo
[168,25,181,75].
De entre los tres intervalos que se han calculado el que tiene ms inters es el
ltimo, ya que es simtrico con respecto a la media, y es el ms pequeo de
todos los posibles (ms preciso). Este ejemplo es en realidad una introduccin a
unas tcnicas de inferencia estadstica que trataremos posteriormente,
conocidas con el nombre de estimacin confidencial o clculo de intervalos
TAREA 3
de confianza.
EJEMPLO DE APLICACIN:
99
Probabilidad y Estadstica II
x x Y
-3.0 340 -60 0.0002
-2.5 350 -50 0.0009
-2.0 360 -40 0.0027
-1.5 370 -30 0.0065
-1.0 380 -20 0.0121
-0.5 390 -10 0.0176
0.0 400 0 0.0199
0.5 410 10 0.0176
1.0 420 20 0.0121
1.5 430 30 0.0065
2.0 440 40 0.0027
2.5 450 50 0.0009
3.0 460 60 0.0002
0.025
0.020
0.015
0.010
0.005
0.000
340 350 360 370 380 390 400 410 420 430 440 450 460
100
Distribuciones de Probabilidad con Variables Aleatorias Continua
En particular z = 0 cuando x =
El rea bajo la curva normal entre z = 0 y otro valor especfico de " z " por
ejemplo z1 es la probabilidad de P ( z1 ) o P ( x1 )
Utilizando la regla emprica se sabe que un 68% aproximadamente del rea total
est comprendida entre 1 y + 1 ; un 95% aproximadamente entre
2 y + 2 y prcticamente toda el rea entre 3 y + 3
0.025
0.020
0.015
0.010
0.005
0.000
101
Probabilidad y Estadstica II
102
Distribuciones de Probabilidad con Variables Aleatorias Continua
.5 .4292
2. P (Z > 1.47)
103
Probabilidad y Estadstica II
3. P (Z -1.47)
=0.5 - P(0Z1.47)
=0.5 - 0.4292
=0.0708
4. p (Z > -1.47)
-1.47
P (Z >-1.47) = 0.5+0.4292=0.9292
104
Distribuciones de Probabilidad con Variables Aleatorias Continua
P (-1.47 < Z -0.45) = P(0.45 < Z 1.47) =P(0 Z 1.47) P(0 Z 0.45)
=0.4292 0.1736
=0.2556
105
Probabilidad y Estadstica II
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
106
Distribuciones de Probabilidad con Variables Aleatorias Continua
107
Probabilidad y Estadstica II
b). Ms de 90 kg.
Menos de 64 kg.
c). 64 kg.
d). 64 kg o menos.
108
Distribuciones de Probabilidad con Variables Aleatorias Continua
109
Probabilidad y Estadstica II
8. Varios test de inteligencia dieron una puntuacin que sigue una ley normal
con media 100 y desviacin tpica 15.
9. En una ciudad una de cada tres familias posee telfono. Si se eligen al azar
90 familias, calcular la probabilidad de que entre ellas haya por lo menos 30
tipos se han telfono.
110
Distribuciones de Probabilidad con Variables Aleatorias Continua
111
Probabilidad y Estadstica II
a) P ( 400 x 420 )
0.020
0.015
0.010
0.005
0.000
340 350 360 370 380 390 400 410 420 430 440 450 460
Datos : Frmula :
= 400 x 400 400 0
z= 1 = = =0
= 20 20 20
x1 = 420
x 420 400
2 = = = 1 .0
20
P (0 1) = 0.3413
P ( 400 x 420 ) = 34 .1%
b) P ( 410 x 430 )
0,020
0,015
0,010
0,005
0,000
340 350 360 370 380 390 400 410 420 430 440 450 460
Datos :
= 400 400 400 0
z1 = = =0
20 20
= 20
410 400
x2 = 410 z2 = = 0.5 P( z2 ) = 0.1915
20
x3 = 430 430 400
z3 = = 1.5 P( z3 ) = 0.4332
20
P( 410 x 430) = P( z3 ) P( z2 ) = 0.4332 0.1915 = 0.2417 = 24.2%
112
Distribuciones de Probabilidad con Variables Aleatorias Continua
c) P ( x > 415 )
0,020
0,015
0,010
0,005
0,000
340 350 360 370 380 390 400 410 420 430 440 450 460
415 400
Z4 = = 0.75
20
P ( Z 4 0.75) = 0.5 0.2734 = 0.2266
P ( 400 x 420 ) = 34.1%
Datos
= 400
= 20 o sea que es el 22.66 % de probabilidad
de
x4= 415 que el componente dure 415 ms horas
Ejemplo 2.
Probabilidad ms de 35 mpg
0.025
0.020
0.015
0.010
0.005
0.000
27.5 29 31 33 35 37 39
a)
Datos :
35 27.5
= 27.5 z3 = = 1.53 P ( z3 ) = 0.4370
4.9
= 4.9 P ( x > 35 ) = 0.5000 0.4370 = 0.0630 = 6.3%
x3 = 35
113
Probabilidad y Estadstica II
b) Clculo de x4
Datos :
= 27.5 Frmula :
= 4.9 x = z +
A4 = 0.95 0.50 = 0.45
P ( z4 ) = 0.45 z4 = 1.645
x4 = 1.645 4.9 + 27.5 = 8.06 + 27.5 = 35.6mpg
c) Interpretacin de resultados:
Ejemplo 3.
a) Entre 80 y 90 grs.
b) Entre 80 y 95 grs.
c) Entre 75 y 85 grs.
d) Ms de 97.5 grs.
e) Menos de 77.5 grs.
f) Si la probabilidad requerida es de un 92.5% respecto a la media, obtener los
valores de xi y su intervalo (rango).
a) P ( 80 x 90 )
Datos : Frmula :
80 90
= 90 x z1 = = 1.56 P ( z1 ) = 0.4406
z= 6.4
= 6.4
P ( 80 x 90 ) = 44.1%
x1 = 80
b) P ( 80 x 95 )
80 90
Datos : z1 = = 1.56 P ( z1 ) = 0.4406
6.4
= 90 95 90
= 6.4 z2 = = 0.78 P ( z2 ) = 0.2823
6.4
x1 = 80 P ( 80 x 95) = 0.4406 + 0.2823 = 0.7229 = 72.3%
x2 = 95
114
Distribuciones de Probabilidad con Variables Aleatorias Continua
c) P ( 75 x 85 )
Datos : 75 90
= 90 z3 = = 0.2.34 P ( z3 ) = 0.4904
6.4
= 6.4 85 90
z4 = = 0.78 P ( z4 ) = 0.2823
x3 = 75 6.4
x4 = 85 P ( 75 x 85) = P ( z3 ) P ( z4 ) = 0.4904 0.2823 = 0.2081 = 20.8%
d) P ( x > 97.5 )
Datos :
97.5 90
= 90 z5 = = 1.17 P ( z5 ) = 0.3790
6.4
= 6.4
P ( x > 97.5 ) = 0.5000 0.3790 = 0.1210 = 12.1%
x5 = 97.5
e) P ( x < 77.5 )
Datos :
77.5 90
= 90 z6 = = 1.95 P ( z6 ) = 0.4744
604
= 6.4
P ( x < 77.5 ) = 0.5000 0.4744 = 0.0256 = 2.6%
x6 = 77.5
f) Clculo de x7
Datos :
= 90 Frmula :
= 6.4 x = z
A7 = 0.925
0.925
P ( z7 ) = = 0.4625 z7 = 1.78
2
x = 90 1.78 6.4 = 90 11.4
x7 = 90 + 11.4 = 101.4
x8 = 90 11.4 = 78.6
Intervalo : 78.6 x 101.4 Rango = 22.8
115
Probabilidad y Estadstica II
d) Interpretacin de resultados:
Frmula : x z x
x =
n
EJEMPLO DE APLICACIN.
Frmula : x z x
Datos :
Frmula : x z x
16.32 16.32
x = = = = 2.31
x = 207.75 n 50 7.071
= 16.32 x = 0.97
n P( z) = = 0.485
n = 50 2
En la tabla : z = 2.17
Intervalo :
x 2.17 2.31
x 5.01 = 207.75 5.01
202.74 212.76
Rango = 10.02
Se puede concluir que el salario medio de todos los trabajadores est entre
$202.74 y $ 212.76, con un grado de confianza del 97%.
116
Distribuciones de Probabilidad con Variables Aleatorias Continua
En general, una binomial B(n,p) se parece a una curva normal tanto ms, cuanto
mayor es el producto np (o nq si q < p) Cuando np y nq son ambos mayores
que 3, la aproximacin es bastante buena. Y si superan a 5, la aproximacin es
casi perfecta. Naturalmente, la curva normal a la cual se aproxima tiene la misma
media y la misma desviacin tpica que la binomial, es decir: np=, npq=.
Se puede demostrar (teorema central del lmite) que una variable aleatoria
discreta con distribucin binomial, X~B(n, p) se puede aproximar mediante una
distribucin normal si n es suficientemente grande y p no est ni muy prximo a
0 ni a 1. Como el valor esperado y la varianza de X son respectivamente np y
npq, la aproximacin consiste en decir que
El convenio que se suele utilizar para poder realizar esta aproximacin es:
117
Probabilidad y Estadstica II
Ejemplo:
118
Distribuciones de Probabilidad con Variables Aleatorias Continua
119
Probabilidad y Estadstica II
120
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
Escribe 3 propiedades de toda Distribucin Normal, utiliza para cada una un grfico alusivo.
Una de las propiedades de toda distribucin normal menciona que los intervalos construidos alrededor de la
media al sumarle y restarle la desviacin estndar, encierran una probabilidad o rea total bajo la curva
como se muestra en la siguiente grfica:
De la grfica anterior se deduce que el intervalo contiene aproximadamente el 68.2% del rea total,
que el intervalo de a + contiene el 34.1% del rea total, o tambin que el intervalo de 2
abarca un rea total del 95.4%, o que el intervalo de - 3 a contiene el 49.8% del rea total, etctera.
Ejercicio: Construye un intervalo y con ayuda de la grfica deduce el porcentaje de rea que contiene.
Aplicaciones:
1.- Considera que las calificaciones de todos los alumnos de Matemticas 4 se distribuyen de manera
normal, con una media de 80 y una desviacin estndar de 5. Contesta las siguientes preguntas:
a) Qu porcentaje de alumnos tiene una calificacin superior a 70?
121
Probabilidad y Estadstica II
Como podemos observar, los porcentajes que satisfacen los requisitos son: 13.6, 34.1, 34.1, 13.6, 2.1 y 0.1
que al sumarlos arrojan un total de 97.6%. De acuerdo?
c) Si en total fueron 500 alumnos que cursaron la materia de Matemticas 4, Cuntos de ellos obtuvieron
una calificacin que vari de 70 a 100?
d) Cul es la probabilidad de que al elegir al azar a un alumno que curs esta materia haya tenido una
calificacin inferior a 75?
2.- Los niveles de hemoglobina en las mujeres adultas se distribuyen de forma normal con una media de
12.8 y una desviacin estndar de 0.4. Utilizando el grfico anterior, dar respuesta a cada una de las
siguientes preguntas:
a) Qu porcentaje de mujeres tiene niveles de hemoglobina inferiores a 13.6?
b) Cul es la probabilidad de que al elegir al azar a una mujer a quien le realizaron un estudio sanguneo,
arroje un nivel de hemoglobina que vare entre 12 y 13.2
c) Si se eligen al azar 300 mujeres adultas, Cuntas de ellas tienen niveles de hemoglobina superior a
13.2?
Ejercicio: Investiga un ejemplo de variable con distribucin normal en la cual se conozcan los valores de los
parmetros y , elabora dos preguntas similares a las anteriores y con ayuda de la grfica da respuesta.
122
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
1. Un investigador reporta que unos ratones vivirn un promedio de 40 meses cuando sus dietas se
restrinjan drsticamente y despus se enriquezcan con vitaminas y protenas. Suponga que la vida de
tales ratones se distribuye normalmente con una desviacin estndar de 6.3 meses, encuentre la
probabilidad de que un ratn viva:
a) Ms de 32 meses.
b) Menos de 28 meses.
c) Entre 37 y 49 meses.
d) Entre 45 y 50 meses.
e) Entre 40 y 43 meses.
f) Cul es la probabilidad de que de seis ratones cuatro vivan ms de 30 meses?
2. Las barras de centeno que cierta panadera distribuye a las tiendas locales tienen una longitud
promedio de 30 centmetros y una desviacin estndar de 2 centmetros. Suponiendo que las longitudes
se distribuyen normalmente Qu porcentaje de las barras son:
3. Un abogado va todos los das de su casa a su oficina en el centro de la ciudad. El tiempo promedio del
viaje es 24 minutos, con una desviacin estndar de 3.8 minutos. Si las duraciones de los viajes estn
distribuidas normalmente:
e) Encuentre la probabilidad de que dos de los siguientes tres viajes tomen como mximo hora.
123
Probabilidad y Estadstica II
4. Las alturas de 1000 estudiantes se distribuyen normalmente con una media de 174.5 cm y una
desviacin estndar de 6.9 cm Cuntos de estos estudiantes se esperara que tuvieran alturas
5. Una estacin de radio encontr que el tiempo promedio que una persona sintoniza esa estacin es de
15 minutos con una desviacin estndar de 3.5 minutos Cul es la probabilidad de que un
radioescucha sintonice la estacin por:
a) Ms de 20 minutos?
b) Entre 15 y 18 minutos?
c) Entre 10 y 12 minutos?
d) Cuntos minutos como mximo sintonizan la estacin el 70% de los radioescuchas?
x
Sugerencia: De la expresin = despejar x y obtener a partir del porcentaje proporcionado y
de la consulta de la tabla de probabilidad.
e) Cul es la probabilidad de que de ocho radioescuchas, al menos siete sintonicen la estacin por ms
de cinco minutos?
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
124 ______________________________________________________________
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre ____________________________________________________________
TAREA 3 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
2. Si el 20% de los residentes de una ciudad de Estados Unidos prefiere un telfono blanco sobre
cualquier otro color disponible Cul es la probabilidad de que entre los siguientes mil telfonos que se
instalen en esta cuidad
3. Un fabricante de medicamentos sostiene que cierto medicamento cura una enfermedad de la sangre en
promedio el 80% de los casos. Para verificar esta afirmacin, inspectores de gobierno utilizan el
medicamento en una muestra de 100 individuos y deciden aceptar la afirmacin si 75 o ms se curan.
4. Un estudio sobre nuevos delincuentes juveniles revel que el 38% de ellos vuelve a delinquir.
125
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
126
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre _________________________________________________________
AUTOEVALUACIN
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
1. La distribucin de probabilidad de una variable aleatoria proporciona una probabilidad para cada valor
posible, y estas probabilidades deben sumar:
-1
1
0<P<1
100
2. En este tipo de distribucin de probabilidad, la variable que se est considerando puede tomar
cualquier valor dentro de un intervalo dado; es una distribucin de probabilidad de:
Variable aleatoria.
Variable discreta.
Variable categrica.
Variable continua.
3. Para obtener este valor de una variable aleatoria discreta, se multiplica cada valor que la variable puede
tomar por la probabilidad de presentacin de ese valor y luego se suman esos productos. A este valor
se le llama:
Valor de la mediana.
Valor esperado.
Desviacin tpica.
Varianza.
4. Es cualquier mecanismo que nos ayuda a obtener las probabilidades de los valores de una variable si
es discreta, o las probabilidades de intervalos de la variable si es continua.
Tabla de probabilidades.
Funcin aleatoria.
Distribucin de probabilidad.
Funcin de frecuencias.
5. Por ejemplo, supongamos que vamos a realizar un experimento aleatorio que consiste en seleccionar
una persona y apuntar su peso. Podemos crear una variable aleatoria cuyos valores sean el nmero de
kilogramos que pesa la persona observada. Este es un tipo de variable:
Continua.
Aleatoria.
Discreta.
Categrica.
127
Probabilidad y Estadstica II
6. La ecuacin o formula que evala probabilidad acumulada hasta un cierto valor, y se puede analizar
cmo cambia la probabilidad acumulada en cada valor de la variable se le llama:
Funcin de distribucin.
Funcin de probabilidad.
Frecuencia relativa.
Funcin de densidad.
7. La grfica que divide el rango de valores de la variable en intervalos de igual longitud, representando
sobre cada intervalo un rectngulo con rea proporcional al nmero de datos en ese rango. Se llama:
Polgono de frecuencias.
Histograma de frecuencias.
Ojiva.
Grafica de lneas.
8. Esta curva suave "asinttica" representa de modo intuitivo la distribucin terica de la caracterstica
observada. Es la funcin de densidad. Una de las distribuciones tericas mejor estudiadas y ms
utilizadas en los diferentes campos del conocimiento, es:
Distribucin t students.
Distribucin exponencial.
Distribucin ji-cuadrada.
Distribucin normal.
9. Existen muchsimos fenmenos aleatorios continuos que siguen o se aproximan a este tipo de
distribucin; se puede utilizar la normal para aproximar diversas distribuciones de probabilidad
discretas; constituye la base para la Inferencia Estadstica clsica, debido a su relacin con el Teorema
del Lmite Central; stas son:
Las razones fundamentales.
Las caractersticas principales.
Las propiedades importantes.
Las distinciones elementales.
11. La distribucin de una variable aleatoria continua normal est completamente determinada por los
parmetros:
La moda y el rango.
La media y la desviacin estndar.
La mediana y la varianza.
La media y la desviacin media.
12. El rea total bajo la curva de una distribucin normal es, por tanto:
128
Distribuciones de Probabilidad con Variables Aleatorias Continua
Igual a 100
Igual a=0.75
Igual a 1
Igual al 50 %
13. El rea bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones
estndar de cada lado de la media es igual a:
0.90
0.97
0.99
0.95
129
Probabilidad y Estadstica II
130
Distribuciones de Probabilidad con Variables Aleatorias Continua
1. Dada una distribucin normal estndar, encuentre el rea bajo la curva que est
a). a la izquierda de z = 1.43
b). a la derecha de z = - 0.89
c). entre z = -2.16 y z = - 0.65
3. Los alambres que se utilizan en cierta computadora deben tener una resistencia entre 0.12 y 0.14
ohms. Las resistencias reales de los alambres producidos por la compaa A tienen una distribucin
normal con media de 0.13 ohms y una desviacin estndar de 0.005 ohms.
a) Cul es la probabilidad de que un alambre seleccionado al azar de la produccin la compaa A
satisfaga las especificaciones?
b) Si se utilizan cuatro de estos alambres en un sistema y los seleccionan de la compaa A Cul es
la probabilidad de que los cuatro satisfagan las especificaciones?
4. Se supone que los resultados de un examen tienen una distribucin normal con media de 78 y varianza
de 36.
a). Cul es la probabilidad de que una persona que presenta examen obtenga una calificacin mayor
de 72?
b). Suponga que los estudiantes que se encuentran en el 10% superior de la distribucin se les
asigna una calificacin A Cual es la calificacin mnima que debe tener un estudiante para obtener
una A?
c). Cul debe ser la calificacin mnima aprobatoria si el evaluador pretende que solamente el 28.1%
de los estudiantes apruebe?
5. Algunos estudios muestran que el rendimiento de gasolina de autos compactos vendidos en USA se
distribuye normalmente con una media de 25.5 mpg y una desviacin estndar de 4.5 mpg.
a). Qu porcentaje de autos compactos tiene un rendimiento de 30 mpg o ms?
b). Si un fabricante desea disear un auto compacto ms econmico que el 95% de los autos
compactos actuales Cul debe ser el rendimiento del nuevo auto?
6. El rendimiento promedio al vencimiento de los bonos industriales emitidos durante el primer trimestre
de 1975 fue de 8.55% con una desviacin estndar de 0.70%. Suponiendo que el rendimiento de los
bonos se distribuye normal y que el rendimiento de la compaa FLEX fue de 7.1% Qu podemos decir
de la situacin financiera de esta firma durante el trimestre mencionado?
131
Probabilidad y Estadstica II
7. Durante los ltimos aos ha crecido el volumen de acciones negociadas en la bolsa de Nueva York.
Durante las dos primeras semanas de enero de 1998, el volumen diario promedio fue de 646 millones
de acciones (Barrons. Enero de 1998). La distribucin de probabilidad del volumen diario es
aproximadamente normal, con desviacin estndar de unos 100 millones de acciones.
a). Cul es la probabilidad de que el volumen negociado sea menor de 400 millones de acciones?
b). Qu porcentaje de las veces el volumen negociado es mayor de 800 millones de acciones.
c). Si la Bolsa quiere emitir un boletn de prensa sobre el 5% de los das ms activos Qu volumen
activar la publicacin?
8. La edad promedio que tiene una persona al casarse por primera vez es de 26 aos (U:S News & World
Report, 6 de junio de 1994). Suponga que las edades en el primer casamiento tienen una distribucin
normal, con desviacin estndar de cuatro aos.
a) Cual es la probabilidad de que una persona que se casa por primera vez tenga menos de 23
aos de edad?
b) Cul es la probabilidad de que una persona que se casa por primera vez tenga entre 20 y 30 aos
de edad?
c) El 90% de las personas que se casan por primera vez A qu edad lo hacen?
9. Mansa es una asociacin internacional de personas con alto coeficiente intelectual. Para pertenecer a
ella, una persona debe tener un coeficiente intelectual de 132 ms alto (USA today, 13 de febrero de
1992). Si las calificaciones del coeficiente de inteligencia se distribuyen normalmente con promedio de
100 y desviacin estndar de 15 Qu porcentaje de personas califican para ser miembros de Mansa?
10. Traza una curva normal para una variable aleatoria x que tiene una media = 100 y desviacin estndar
= 10. Indique los valores de 70, 80, 90, 100, 110, 120 y 130 en el eje horizontal.
11. Si X es una variable aleatoria distribuida segn una distribucin N(, ), hallar:
p(3 X +3)
12. En una ciudad se estima que la temperatura mxima en el mes de junio si una distribucin normal, con
media 23 y desviacin tpica 5. Calcular el nmero de das del mes en los que se espera alcanzar
mximas entre 21 y 27.
13. La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviacin tpica 3 kg.
Suponiendo que los pesos se distribuyen normalmente, identifica cuntos estudiantes pesan:
a. Entre 60 kg y 65 kg.
b. Ms de 90 kg.
c. Menos de 64 kg.
d. 64 kg.
e. 64 Kg. o menos.
132
Distribuciones de Probabilidad con Variables Aleatorias Continua
14. Se supone que los resultados de un examen siguen una distribucin normal con media 78 y varianza 36.
Se pide:
a. Cul es la probabilidad de que una persona que se presenta el examen obtenga una calificacin
superior a 72?
b. Calcular la proporcin de estudiantes que tienen puntuaciones que exceden por lo menos en cinco
puntos de la puntuacin que marca la frontera entre el Apto y el No-Apto (son declarados No-Aptos
el 25% de los estudiantes que obtuvieron las puntuaciones ms bajas).
c. Si se sabe que la calificacin de un estudiante es mayor que 72 Cul es la prioridad de que su
calificacin sea, de hecho, superior a 84?
15. Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una distribucin una
distribucin N(65, 18). Se desea clasificar a los examinados en tres grupos (de baja cultura general, de
cultura general aceptable, de excelente cultura general) de modo que hay en el primero un 20% la
poblacin, un 65% el segundo y un 15% en el tercero Cules han de ser las puntuaciones que marcan
el paso de un grupo al otro?
16. Varios test de inteligencia dieron una puntuacin que sigue una ley normal con media 100 y desviacin
tpica 15.
a. Determinar el porcentaje de poblacin que obtendra un coeficiente entre 95 y 110.
b. Qu intervalo centrado en 100 contiene al 50% de la poblacin?
c. En una poblacin de 2500 individuos Cuntos individuos se espera que tengan un coeficiente
superior a 125?
17. En una ciudad, una de cada tres familias posee telfono. Si se eligen al azar 90 familias, calcular la
probabilidad de que entre ellas haya por lo menos 30 tipos de telfonos.
18. En un examen tipo test de 200 preguntas de eleccin mltiple, cada pregunta tiene una respuesta
correcta y una incorrecta. Se aprueba si se contesta a ms de 110 respuestas correctas. Suponiendo
que se contesta al azar, calcular la probabilidad de aprobar el examen.
19. Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen al menos dos televisores
Se elige al azar una muestra de 50 hogares en el citado barrio. Determina:
a. Cul es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos dos
televisores?
b. Cul es la probabilidad de que entre 35 y 40 hogares tenga cuando menos dos televisores?
133
Probabilidad y Estadstica II
134
Unidad 4
Anlisis de
datos de dos
variables.
Objetivos:
El alumno:
Organizador anticipado:
Temario:
El conocimiento estadstico, nos sirve para fundamentar mediante
razones objetivas el comportamiento de las variables de un evento. Representacin de datos de dos
variables.
En esta unidad analizaremos algunas estrategias para manejar Correlacin lineal.
datos, con la finalidad de poder aplicarlos a nuestra vida cotidiana. Regresin lineal.
Probabilidad y Estadstica II
Mtodos de
Tabla de Anlisis de mnimos
contingencias correlacin cuadrados
Diagrama de Coeficiente de
dispersin correlacin
136
Anlisis de datos de dos variables
4. 1. REPRESENTACIN DE DATOS DE
DOS VARIABLES.
Datos de dos variables: estos datos constan de los valores de dos variables
respuestas diferentes que se obtienen del mismo elemento de la poblacin.
Cada una de las variables puede ser por su naturaleza cualitativa o cuantitativa.
Como resultado, los datos bivariados pueden formarse mediante tres
combinaciones de variables:
Se dice que los datos estn ordenados porque siempre se escribe primero un
valor, X, y se explica que estn parecidos porque para cada valor de X existe
un valor Y.
137
Probabilidad y Estadstica II
Ejemplo:
Tabla cruzada de gnero y especializacin.
Filosofa y Administracin
Gnero Tecnologa Totales
letras empresarial
Masculino 5 6 7 18
Femenino 6 4 2 12
totales 11 10 9 30
TAREA 1
La tabla de contingencias a menudo presenta porcentajes (frecuencias relativas).
Estos porcentajes pueden estar basados en toda la muestra o en las
clasificaciones de la submuestra.
Pgina 149. Porcentajes basados en el gran total (toda muestra) de la tabla anterior puede
convertirse fcilmente en porcentajes del gran total, al dividir cada frecuencia
entre el gran total y multiplicar por 100 el resultado.
Ejemplo:
Tabla cruzada de gnero y especializacin
(Frecuencias relativas)
Especializacin
EJERCICIO 1
En una encuesta aplicada en Sonora a 500 personas hombres y 500 mujeres,
todos casados entre si, se les solicit calificar a su cnyuge como pareja sexual.
138
Anlisis de datos de dos variables
Es la grfica de todos los pares ordenados de datos de dos variables que estn
en un sistema de ejes coordenados. Las variables de entrada, X, se grafica en el
eje horizontal y la variable de salida, Y, se grfica en el eje vertical.
Ejemplo:
(27,30), (22,26), (15,25), (35,42), (30,38), (52,40), (35,32), (55,54), (40,50), (40,43)
Tabla:
Estudiantes
1 2 3 4 5 6 7 8 9 10
Lagartijas
27 22 15 35 30 52 35 55 40 40
(x)
Sentadillas
30 26 25 42 38 40 32 54 50 43
(y)
Diagrama de Dispersin.
S
E 60
N 50
T
A 40
D 30 xy
I
20
L
L 10
A
0
S
0 10 20 30 40 50 60
(y)
Ejercicio:
X 2 5 1 4 2
Y 80 80 70 90 60
Pgina 151.
b) Explique lo que puede concluir con base en el patrn de datos mostrado en el
diagrama de dispersin del inciso (a).
139
Probabilidad y Estadstica II
La correlacin lineal perfecta ocurre cuando todos los puntos estn exactamente
sobre una recta. Esta correlacin puede ser positiva o negativa, dependiendo de
si Y crece o decrece a medida que X se incrementa. Si los datos forman una
lnea horizontal o vertical, no hay correlacin, ya que una variable no afecta la otra.
6
5
4
3 Lneas 1
2
1
0
1 2 3 4 5
8
7
6
5
4 linea
3
2
1
0
7 6 5 4 3 2 1
140
Anlisis de datos de dos variables
r=
( x x)( y y) (3 1)
(n 1) s x s y
Nota: sx y sy son las desviaciones estndar de las variables x y y.
141
Probabilidad y Estadstica II
(27,30), (22,26), (15,25), (35,42), (30,38), (52,40), (35,32), (55,54), (40,50), (40,43)
142
Anlisis de datos de dos variables
Tabla:
Estudiantes
X 12 24 17 28 24 36 20
EJERCICIO 2
Y 44 36 25 23 32 17 24
143
Probabilidad y Estadstica II
4 . 3. REGRESIN LINEAL.
El coeficiente de correlacin mide la intensidad de una relacin lineal, no dice
nada sobre la relacin matemtica que hay entre las dos variables.
La relacin entres estas dos variables es una expresin algebraica que describe la
relacin matemtica entre x y y.
144
Anlisis de datos de dos variables
En la figura 3-19 se muestra un diagrama de dispersin con una posible recta del
mejor ajuste, junto con los 10 valores individuales de (y ). Los valores positivos
se muestran en lnea gruesa y los negativos en una lnea gris. Si la recta es, en
efecto, la del mejor ajuste, la suma de los cuadrados de estas diferencias se
minimiza (se hace lo ms pequea posible).
En la figura 3-20 se muestran los mismo puntos que en la 3-19 con los 10 valores
individuales (y ), asociados a una recta que, definitivamente, no es la de mejor
ajuste. El valor de (y )2 es 149, mucho mayor que el 23 de la figura 3-19.
Cada recta trazada a partir de este conjunto de 10 puntos, produce un valor
distinto de (y )2. La tarea consiste en encontrar la recta tal que el valor de (y
)2 sea el menor posible.
145
Probabilidad y Estadstica II
Para calcular la ordenada al origen, b0, usando la frmula (3 6), recuerde que por
la tabla de extensiones, x = 351 y y = 380.
y = 14.9 + 0.66 x
Luego, estos dos puntos (10, 21.5) y (60, 54.5) se localizan en el diagrama de
dispersin (use un signo + color negro para distinguirlos de los dems puntos) y
se traza la recta del mejor ajuste (que se muestra en negro en la figura 3-21).
Hay algunos hechos adicionales sobre el criterio de los mnimos cuadrados que
es necesario analizar.
146
Anlisis de datos de dos variables
3. La recta del mejor ajuste siempre pasa por el punto (x, y). Al trazar esta recta
en el diagrama de dispersin, use este punto como comprobacin. Para el
ejemplo que se ha trabajado aqu, x = x/n = 351/10 = 35.1, y = y/n =
380/10 = 38.0; en consecuencia, (x, y) = (35.1, 38) como se indican con el
signo + color gris en la figura 3-21.
Ejercicio:
a) Construye una lnea recta que se aproxime a los datos en la tabla.
b) Encuentra una ecuacin para esta recta.
TAREA 3
x 1 3 4 6 8 9 11 14
y 1 2 4 4 5 7 8 9
Pgina 153.
147
Probabilidad y Estadstica II
148
Anlisis de datos de dos variables
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: En tu colonia, realiza una investigacin del grado de estudio de los padres y elabora una
tabla de contingencias.
149
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
150
Anlisis de datos de dos variables
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Traza un eje de coordenadas y grafica un diagrama de dispersin de los siguientes puntos:
151
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
152
Anlisis de datos de dos variables
Nombre ____________________________________________________________
TAREA 3 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: En el Zcalo de la ciudad de Mxico, se aplic una encuesta a 202 amas de casa de
tiempo completo y 197 esposas empleadas, donde se report un coeficiente de correlacin de 0.43, entre el
ingreso familiar y el nivel educativo de las participantes en el estudio. En una investigacin semejante que
implic a ocho personas, se obtuvieron los siguientes resultados (x representa los aos de instruccin y y
representa el ingreso familiar en miles de pesos).
x 12 13 10 14 11 14 16 16
y 34 45 36 47 43 35 50 42
153
Probabilidad y Estadstica II
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
154
Anlisis de datos de dos variables
Nombre _________________________________________________________
AUTOEVALUACIN
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
1. Cuando los datos bivariados resultan de dos variables cualitativas o de atributos o categricas a menudo
los datos se disponen en:
Tabla de frecuencias.
Tabla de contingencias.
Pares ordenados.
Variable bipolar.
2. Cuando los datos divariados son resultado de dos variables cuantitativas, los datos matemticos suelen
expresarse como:
Tabla de frecuencias.
Tabla de contingencias.
Pares ordenados.
Variable bipolar.
3. Se grafican todos los pares ordenados de datos de dos variables que estn en un sistema de ejes
coordenados.
Tabla de frecuencias.
Tabla de contingencias.
Diagrama de dispersin.
Diagrama de correlacin.
4. Cuando los puntos estn exactamente sobre una recta hablamos de:
Correlacin lineal.
Correlacin positiva.
Correlacin negativa.
Diagrama de dispersin.
Fuerza.
Distribucin grfica.
Objetivo primordial.
Anlisis de correlacin.
155
Probabilidad y Estadstica II
Coeficiente de correlacin.
Anlisis de correlacin.
Distribucin general.
Tabla de contingencias.
7. Encuentra la ecuacin e la recta que describe mejor la relacin de las dos variables.
Anlisis de correlacin.
Anlisis de regresin.
Tabla de contingencia.
Coeficiente de correlacin.
8. Requiere encontrar las constantes b0 y b1 tales que la sumatoria (y )2 sea lo ms pequea posible.
Anlisis de regresin.
Coeficiente de correlacin.
Criterio de mnimos cuadrados.
Diagrama de dispersin.
156
Anlisis de datos de dos variables
b) Calcula la ecuacin de la recta del mejor ajuste utilizando el mtodo de mnimos cuadrados.
Edad 65 67 69 71 73 75 77 79 81 83
Aos
restantes 16.5 15.1 13.7 12.4 11.2 10.1 9.0 8.4 7.1 6.4
157
Probabilidad y Estadstica II
158
Anlisis de datos de dos variables
x 2 12 4 6 9 4 11 3 10 11
y 4 8 10 9 10 8 8 5 10 9
159
Probabilidad y Estadstica II
160
Claves de Respuestas
1. B 1. A 1. B 1. B
2. C 2. B 2. D 2. C
3. D 3. C 3. B 3. C
4. B 4. B 4. C 4. A
5. A 5. B 5. A 5. D
6. D 6. A 6. D 6. A
7. C 7. D 7. B 7. B
8. B 8. A 8. D 8. C
9. B 9. B 9. A
10. D 10. C 10. D
11. C 11. B
12. C
13. D
161
Glosario
AJUSTE DE BONFERRONI Tcnica estadstica que ajusta el nivel de
significacin en relacin al nmero de pruebas
estadsticas realizadas simultneamente sobre
un conjunto de datos. El nivel de significacin
para cada prueba se calcula dividiendo el error
global de tipo I entre el nmero de pruebas a
realizar. El ajuste de Bonferroni se considera
conservador.
AMPLITUD O RANGO La diferencia entre el valor mximo y mnimo de
los valores de una variable. En la amplitud de
una variable se encuentran comprendidos el
100% de los valores muestrales.
ANACOVA O ANCOVA Anlisis de la covarianza. Es una tcnica
estadstica que combina ANOVA (pues
compara medias entre grupos) y anlisis de
regresin (ajusta las comparaciones de las
medias entre los grupos, por variables
continuas o covariables).
ANOVA Anlisis de la varianza. Es una tcnica
estadstica que sirve para decidir/determinar si
las diferencias que existen entre las medias de
tres o ms grupos (niveles de clasificacin) son
estadsticamente significativas. Las tcnicas de
ANOVA se basan en la particin de la varianza
para establecer si la varianza explicada por los
grupos formados es suficientemente mayor
que la varianza residual o no explicada.
REA BAJO LA CURVA ENTRE Si la curva viene dada por una funcin de
DOS PUNTOS densidad terica, representa la probabilidad de
que la variable aleatoria tome un valor dentro
del intervalo determinado por esos dos puntos.
CARACTERSTICAS Propiedades de las unidades o elementos que
componen las muestras. Se miden mediante
variables. Se asume que los individuos
presentan diferentes caractersticas.
CAUSALIDAD Relacin entre causa y efecto. Generalmente
identificadas como variables. No hay que
confundir causalidad con correlacin. La
correlacin mide la similitud estructural
numrica entre dos variables. Normalmente la
existencia de correlacin es condicin
necesaria para la causalidad.
CENTIL Puntuacin directa por debajo de la cual queda
un determinado porcentaje de sujetos.
COCIENTE INTELECTUAL Norma cronolgica consistente en la razn
entre la edad mental y la edad cronolgica
multiplicada por 100.
COEFICIENTE DE ALINEACIN Multiplicado por 100 indica el porcentaje de
inseguridad, o el azar, que afecta a los
pronsticos.
COEFICIENTE DE CORRELACIN Estadstico que cuantifica la correlacin. Sus
valores estn comprendidos entre -1 y 1.
COEFICIENTE DE CORRELACIN Relacin conjunta entre dos variables que
indica hasta qu punto la variacin de una de
162
ellas conduce a la obtencin de valores en la
segunda.
COEFICIENTE DE Es el cuadrado del coeficiente de correlacin.
DETERMINACIN Expresado en tanto por ciento mide el grado
de informacin compartida entre dos variables
continuas.
COEFICIENTE DE Multiplicado por 100, indica el porcentaje de
DETERMINACIN varianza comn o asociada entre las
puntuaciones de los sujetos en el test y en el
criterio o, lo que es lo mismo, la varianza de las
puntuaciones de los sujetos en el criterio que
se puede pronosticar a partir de las
puntuaciones en el test.
COEFICIENTE DE FIABILIDAD Cociente entre la varianza de las puntuaciones
verdaderas y la varianza de las puntuaciones
empricas obtenidas en un test.
COEFICIENTE DE VALIDEZ Correlacin entre las puntuaciones obtenidas
por los sujetos en el test y las obtenidas en el
criterio.
COEFICIENTE DE VALIDEZ Correlacin entre el criterio y el conjunto de
MLTIPLE variables predictoras. Indica la eficacia de las
variables predictoras para estimar el criterio.
COEFICIENTE DE VARIACIN Es una medida de dispersin relativa. No tiene
unidades y se calcula dividiendo la cuasi-
desviacin tpica entre la media muestral. Se
suele expresar en tanto por ciento.
COEFICIENTES DE REGRESIN En un modelo de regresin lineal son los
valores de a y b que determinan la expresin
de la recta de regresin y=a + bx
CONCEPTO AXIOMTICO DE La definicin axiomtica de probabilidad se
PROBABILIDAD debe a Kolmogorov (1933). Dado un espacio
muestral S, diremos que P es una probabilidad
sobre un evento dado, si las siguientes
propiedades (axiomas) son verificadas:
1. La probabilidad de que ocurra un evento
cualquiera se encuentra entre cero y uno.
2. La probabilidad de que ocurra el espacio
muestral, es decir, el conjunto de todos los
resultados posibles, es 1.
3. Si A y B son eventos mutuamente
exclusivos, es decir, que no tienen
elementos en comn, entonces la
probabilidad de alguno de los dos ocurra es
igual a la suma de las probabilidades de los
eventos.
CONCEPTO CLSICO DE La fraccin en la que el numerador es igual al
PROBABILIDAD nmero de apariciones del suceso, y el
denominador es igual al nmero total de casos
en los que ese suceso pueda o no pueda
ocurrir, expresa la probabilidad de que ocurra
el suceso. Elaborado por Bernoulli (1654-1705)
y reformulado por Moivre en 1713.
CONCEPTO FRECUENTISTA DE La probabilidad de un suceso es el resultado
PROBABILIDAD que se obtendra de dividir el nmero de veces
que ocurre el suceso entre el nmero total de
observaciones, si el proceso se repitiera en
163
condiciones similares un nmero grande de
veces. Elaborado por Bernoulli (1654-1705).
CONCEPTO SUBJETIVO DE En el segundo cuarto del siglo XX surgi una
PROBABILIDAD nueva interpretacin, llamada subjetiva, segn
la cual la probabilidad mide el grado de
creencia de un individuo en la verdad de una
proposicin, variando entre 0 (el individuo cree
que es falso) a 1 (cree que es cierto). Esta
interpretacin fue propuesta por primera vez
por el filsofo Frank P. Ramsey.
CONTRASTE BILATERAL Contraste de hiptesis en el que la hiptesis
alternativa da opcin a igualdad o superioridad
CONTRASTE DE HIPTESIS Es el proceso estadstico que se sigue para la
toma de decisiones a partir de la informacin
de la muestra. Comparando el valor del
estadstico experimental con el valor terico
rechazamos o no la hiptesis nula.
CONTRASTE UNILATERAL Contraste de hiptesis en el que la hiptesis
alternativa da opcin a solo igualdad o a solo
superioridad.
CORRELACIN Expresa la concordancia entre dos variables
segn el sentido de la relacin de stas en
trminos de aumento o disminucin.
CORRELACIN PARCIAL Permite interpretar el grado de correlacin
entre la variable criterio (Y) y una de las
variables predictoras, eliminando de antemano
el efecto que sobre dicha correlacin puedan
estar ejerciendo el resto de las variables.
CORRELACIN SEMIPARCIAL Permite conocer el grado de correlacin entre
la variable criterio (Y) y una de las variables
predictoras, eliminando el efecto que sobre
esta variable predictora puedan estar
ejerciendo el resto de las variables.
COVARIABLES Variables continuas independientes que junto a
una o ms variables grupo de tratamiento
sirven para explicar una variable respuesta
continua. Supongamos que pretendemos
explicar las diferencias existentes en el nivel de
cortisol en sangre por grupo de tratamiento
A/B, teniendo en cuenta el peso. La variable
peso es una covariable.
COVARIANZA Representa la media del producto de las
desviaciones de dos variables en relacin a su
media.
COVARIANZA Media del producto de las puntuaciones
diferenciales de dos variables medidas
conjuntamente.
CUARTILES Existen tres cuartiles: Q1, Q2 y Q3. Estos
nmeros dividen a los valores muestrales, una
vez ordenados, en cuatro partes homogneas
en cuanto a nmero de observaciones. As Q1
determina el valor que hace que haya un 25%
de valores muestrales por debajo de ste, y un
75% por encima de ste. Q2 es la mediana.
CUASIVARIANZA Caracterstica de una muestra o poblacin que
cuantifica su dispersin o variabilidad. La
164
cuasivarianza se obtiene multiplicando la
varianza por n / (n-1). La cuasivarianza
muestral es un estimador centrado (no
sesgado) de la varianza poblacional.
DATOS CENSURADOS En anlisis de supervivencia son datos donde
no se conoce el tiempo total hasta la aparicin
del fracaso/xito, bien porque el individuo se
retir del estudio bien porque se acab el
estudio (datos con censura administrativa).
Existen datos censurados por la izquierda y por
la derecha.
DATOS PAREADOS Datos de poblaciones dependientes, donde los
datos de las variables van emparejados por
individuos, en contraposicin con los datos
independientes.
DECILES Corresponden a los percentiles 10%, 20%,
30%, 40%, 50%, 60%, 70%, 80%, 90% y 100%.
DESCRIPTIVA Parte de la estadstica que resume la
informacin de la muestra. La informacin
recogida y resumida en los estadsticos se usa
para la estimacin de parmetros
poblacionales.
DESVIACIN CUARTILAR La desviacin cuartilar es la mitad de la
diferencia entre el tercer cuartil y el primer
cuartil. El primer cuartil es el valor
correspondiente al punto abajo del cual est el
25% de las observaciones. El tercer cuartil es el
valor abajo del cual estn el 75% de las
observaciones.
DESVIACIN ESTNDAR Es la raz cuadrada de la varianza. Si los datos
se agrupan estrechamente en torno a la media,
la Desviacin Estndar era relativamente
pequea; si se extienden en todas direcciones,
la Desviacin Estndar ser relativamente
grande.
DESVIACIN ESTANDAR (TPICA) Caracterstica de una muestra o poblacin que
cuantifica su dispersin o variabilidad. Tiene
las mismas unidades que la variable. la
desviacin tpica es invariante con respecto al
origen de la distribucin. Su cuadrado es la
varianza.
DESVIACIN TPICA Medida de variabilidad, definida como la raz
cuadrada de la varianza de una variable.
DIAGRAMA DE PUNTOS Es un grfico bidimensional o tridimensional
que muestra la variacin de los valores
muestrales de dos o tres variables.
DIAGRAMAS DE BARRAS Representacin grfica para las variables
discretas.
DIFERENCIAS Las diferencias entre lo observado y lo
ESTADSTICAMENTE supuesto en la hiptesis nula no puede ser
SIGNIFICATIVAS explicado por el azar.
DIFERENCIAS RELEVANTES Diferencia esperada o definida a priori con un
valor conceptual intrnseco. No confundir
diferencias estadsticamente significativas que
establece si una diferencia, cualquiera que sea
su valor.
165
DIMENSIN Si estudiamos una nica variable la dimensin
es uno, si estudiamos la informacin de dos
variables en forma conjunta la dimensin es
dos,...
DISPERSIN Ver estadsticos de dispersin.
DISTRIBUCIN DE DATOS En la realizacin de un experimento,
corresponde al recopilamiento o recoleccin
de los datos experimentales para cada
individuo y cada variable.
DISTRIBUCIN NORMAL O DE Es una distribucin terica de probabilidad que
GAUSS se usa tanto en la estadstica aplicada como en
la terica. Aparece en la prctica con mucha
frecuencia como consecuencia del importante
resultado que establece el teorema central del
lmite. Tiene una forma de campana, y viene
caracterizada por nicamente dos valores: la
media y la varianza.
DISTRIBUCIN T STUDENT Distribucin terica de probabilidad. Se usa
para la comparacin de dos medias en
poblaciones independientes y normales.
DISTRIBUCIONES DE Una distribucin de frecuencias es una serie de
FRECUENCIA datos agrupados en categoras, en las cuales
se muestra el nmero de observaciones que
contiene cada categora.
ECUACIN DE LA REGRESIN Ver recta de regresin.
ERROR ALFA Es el error que se comete cuando se rechaza
una hiptesis nula, cuando es verdadera. Error
de tipo I.
ERROR ALFA GLOBAL Es el error alfa que se comete por hacer
mltiples comparaciones.
ERROR BETA Es el error que se comete cuando no se
rechaza una hiptesis nula siendo sta falsa.
Error de tipo II.
ERROR DE PRIMERA ESPECIE Ver error alfa.
ERROR DE SEGUNDA ESPECIE Ver error beta.
ERROR DE TIPO I Ver error alfa.
ERROR DE TIPO II Ve error beta.
ERROR ESTNDAR DE LA MEDIA Es el cociente entre la cuasivarianza muestral y
la raz cuadrada del tamao muestral.
ERROR ESTANDAR DE LOS Estadstico de dispersin de los valores de los
RESIDUOS residuos despus de la regresin.
ERROR FALSO NEGATIVO Ver error beta .
ERROR FALSO POSITIVO Ver error alfa.
ESCALA La distribucin de datos puede recogerse en
distintas escalas: nominal, dicotmica, discreta
o continua.
ESPECIFICIDAD DE UN TEST Representa la probabilidad de que un individuo
DIAGNSTICO est sano habiendo dado negativo en el test
diagnstico.
ESTADSTICA La Estadstica actual es el producto del
encuentro de dos ramas distintas del saber, la
antigua estadstica y el moderno clculo de
probabilidades. Etimolgicamente, la palabra
estadstica procede de la palabra estado, ya
que desde la antigedad los romanos
recolectaban datos que posteriormente tenan
166
que resumir para despus disponer de una
informacin til.
Estadstica es la ciencia que se ocupa de la
ordenacin y anlisis de datos procedentes de
muestras, y de la realizacin de inferencias
acerca de las poblaciones de las que stas
proceden.
ESTADSTICA DESCRIPTIVA Estadstica Descriptiva es el conjunto de
procedimientos utilizados para organizar,
resumir y presentar grupos de datos
numricos.
ESTADSTICA INFERENCIAL Estadstica Inferencial es el conjunto de
mtodos utilizados para obtener conclusiones
relativas a una poblacin, basndose en el
conocimiento de las caractersticas de una
muestra.
ESTADSTICO DE CONTRASTE Se utiliza para realizar las pruebas o contrastes
EXPERIMENTAL de hiptesis. Depende de la muestra. Su valor
hay que compararlo con el valor crtico dado
en las tablas de distribucin tericas.
ESTADSTICOS Son funciones de la muestra. Su valor variar
segn la muestra, pero nos permite hacer
estimaciones de parmetros poblacionales o
construir estadsticos experimentales para
tomar decisiones acerca de la
ESTADSTICOS DE Son estadsticos que nos resumen la
CENTRALIZACIN informacin de la muestra dndonos
informacin acerca del valor donde parece
concentrarse la distribucin de datos.
ESTADSTICOS DE DISPERSIN Son estadsticos que nos resumen la
informacin de la muestra, dndonos
informacin acerca de la magnitud del
alejamiento de la distribucin de datos en
relacin a un valor central o de concentracin
de los datos.
ESTADSTICOS DE FORMA Son aquellos que nos hablan de la forma de la
distribucin de datos en cuanto a su simetra y
su apuntamiento.
ESTADO DE LA NATURALEZA La naturaleza funciona segn una determinada
hiptesis que desconocemos. Las tcnicas
estadsticas nos cuantifican el error que
cometemos cuando tomamos decisiones en la
prediccin de cul es la hiptesis con la que la
naturaleza trabaja. Estos errores son los del
tipo I y II.
ESTIMACIN Tcnicas que a partir de la informacin de la
estadstica descriptiva pretenden conocer
cmo es la poblacin en global. Existen
tcnicas de estimacin puntuales y por
intervalos de confianza.
ESTIMADO Valor experimental que se toma como
candidato al valor poblacional desconocido.
ESTIMADOR Funcin de la muestra que sirve para dar
valores candidatos a los valores desconocidos
poblacionales.
FACTOR Variable que se incluye en un modelo con el
167
propsito de explicar la variacin en la variable
respuesta. Ver variable independiente o
explicativa.
FACTOR DE CLASIFICACIN Es una variable que se usa para clasificar los
datos experimentales en grupos. Los factores
de clasificacin son variables nominales. Cada
factor de clasificacin se compone de niveles.
As la variable "Fumador" codificada como
"nunca", "ex fumador", "fumador actual" es un
factor de clasificacin con tres niveles.
FRECUENCIAS: ABSOLUTAS, Las frecuencias absolutas representan el
RELATIVAS recuento de los valores de una variable
discreta de forma que su suma nos da el
tamao muestral .Las relativas son las
absolutas divididas por el tamao muestral
.Las frecuencias relativas sumarn 1 100
segn se expresen en tanto por uno o en tanto
por ciento.
FUNCIN Funcin matemtica. Expresin que liga dos o
ms variables de forma determinstica.
FUNCIN ACUMULADA DE Funcin estadstica que presenta la proporcin
SUPERVIVENCIA de individuos que mueren entre dos tiempos
dados.
FUNCIN DE DENSIDAD DE Nos da el momento critico de mayor tasa de
SUPERVIVENCIA fallos o muertes en trminos absolutos, por ello
nos da una medida del riesgo en un momento
dado.
FUNCIN DE RIESGO DE Nos da una media de la predisposicin al fallo
SUPERVIVENCIA en funcin del tiempo.
FUNCIN TERICA DE Idealizacin matemtica que nos permite
PROBABILIDAD calcular probabilidades de que una variable
tome un valor (caso discreto) o rango de
valores (caso continuo).
FUNCIN TERICA DE Probabilidad de que un individuo sobreviva un
PROBABILIDAD DE tiempo mayor que t.
SUPERVIVENCIA
GAUSSIANA Ver distribucin normal.
GRADO DE CONFIANZA Ver nivel de confianza.
GRADOS DE LIBERTAD El nmero de datos que se pueden variar para
que a un total fijo podamos reconstruir dicho
total. As la media tiene n-1 grado de libertad,
pues si conocemos el valor de sta podemos
variar n-1 datos ya que el restante vendr
fijado. En una tabla 4 x 3, si nos dan las
frecuencias marginales, podremos variar las
frecuencias de (4-1) x (3-1) = 3 x 2 = 6 celdas,
quedando forzosamente determinadas las
frecuencias de las celdas restantes. As, los
grados de libertad seran en este caso de 6.
HETEROCEDASTICIDAD Hiptesis de no igualdad de varianzas
poblacionales en distintos grupos.
HIPTESIS Cualquier teora que formule posibles lneas de
trabajo experimental. Ver hiptesis nula y
alternativa.
HIPTESIS ALTERNATIVA Aqulla que queremos probar. Representa la
hiptesis renovadora.
168
HIPTESIS NULA Aqulla que queremos rechazar. Representa la
situacin actual.
HISTOGRAMA Un histograma describe una distribucin de
frecuencia utilizando una serie de rectngulos
adyacentes, donde la altura de cada
rectngulo es proporcional a la frecuencia de
clase que representa.
HISTOGRAMAS Es un grfico en forma de barras de una
variable continua que se ha discretizado en
intervalos, de forma que la altura de las barras
en cada intervalo indica la frecuencia relativa
en ste.
HOMOCEDASTICIDAD Hiptesis de igualdad de varianzas
poblacionales en distintos grupos.
IMPRECISIN Error que se comete en la prediccin.
INDEPENDENCIA Son datos que no estn ligados entre s.
INTERVALO DE PROBABILIDAD Proporcin de casos entre dos valores
definidos de la muestra
INTERVALOS CONFIDENCIALES Intervalos de confianza. Intervalos fiduciales.
Incluyen una cota mnima y mxima del
verdadero parmetro poblacional con un
determinado nivel de confianza.
JACKNIFE Mtodo estadstico de estimacin por
intervalos de confianza basado en la
simulacin con reemplazamiento, propuesto
por TuKey.
JUEGO DE SUMA CERO En la teora de juegos, juego en el que lo que
unos ganan es a costa de lo que otros
exactamente pierden.
LMITES CONFIDENCIALES Extremos de los intervalos confidenciales.
MXIMO Es un valor muestral de forma que por encima
de ste no hay valores muestrales.
MEDIA Es una medida de centralizacin para una
variable continua. Se obtiene sumado todos los
valores muestrales y dividiendo por el tamao
muestral.
MEDIA ARITMTICA La media aritmtica de un conjunto de valores.
Es el resultado de la suma de todos ellos
dividido entre el nmero total de valores.
Comnmente se le conoce como promedio.
MEDIANA La mediana es el punto medio de los valores
de una serie de datos despus de haber sido
ordenados de acuerdo a su magnitud. Hay
tantos valores antes que la mediana como
posteriores en el arreglo de datos.
MEDIANA Corresponde al percentil 50%. Es decir, la
mediana hace que haya un 50% de valores
muestrales inferiores a ella y un 50% de valores
muestrales superiores a ella.
MEDICIN Proceso de medir.
MEDIDA Valor numrico asignado a un objeto o sujeto
en el proceso de medir.
MEDIDAS DE TENDENCIA Las Medidas de Tendencia Central resumen la
CENTRAL serie de datos en un solo nmero,
comnmente conocidas como promedios. Hay
tres diferentes medidas de tendencia central: la
169
media aritmtica, la mediana, y la moda.
MEDIDAS DE VARIABILIDAD Las medidas de variabilidad de una serie de
datos, muestra o poblacin, permiten
identificar qu tan dispersos o concentrados se
encuentran los datos respecto a una medida
de tendencia central.
MEDIR Asignar un nmero a un objeto o sujeto en
funcin del grado en que posea o manifieste la
variable de inters.
MTODO Camino a seguir para alcanzar un objetivo.
MTODO EQUIPERCENTIL Mtodo que se basa en equiparar aquellas
puntuaciones cuyos percentiles son iguales.
MTODO LINEAL Mtodo que se basa en la equiparacin de
aquellas puntuaciones directas que tienen la
misma puntuacin tpica.
METODOLOGA Tratado de los mtodos. Estudia las
estrategias y procedimientos que, de una
forma ms o menos estructurada, se utilizan
para la obtencin de los conocimientos que
constituyen una disciplina cientfica.
MNIMO Es un valor muestral de forma que por debajo
de este no hay valores muestrales.
MODA Es el valor de la observacin que aparece ms
frecuentemente. Es el valor que ms se repite
en una variable nominal.
MODELO Intento matemtico / estadstico para explicar
una variable respuesta por medio de una o
ms variables explicativas o factores.
MUESTRAS Subgrupos de observaciones de la poblacin
de estudio.
NIVEL DE CONFIANZA Se define como 1 menos el nivel de
significacin. Se suele expresar en tanto por
ciento.
NIVEL DE CONFIANZA Probabilidad de que el parmetro se encuentre
dentro del intervalo cuyos lmites estn
definidos por el valor del estadstico
ms/menos el error mximo de estimacin.
NIVEL DE SIGNIFICACIN La probabilidad de rechazar una hiptesis nula
verdadera; es decir, la probabilidad de cometer
un error de tipo I.
NIVELES DE CLASIFICACIN Los distintos posibles valores que pueden
aparecer en una variable explicativa nominal u
ordinal.
NORMAL Ver distribucin de probabilidad normal.
NORMAS A las puntuaciones obtenidas por los sujetos
que constituyen el grupo normativo, as como a
las transformaciones que se hagan de dichas
puntuaciones, se las denomina.
NMEROS Ver valores numricos.
OBSERVACIN Sinnimo de caso registro e individuo.
OJIVAS Las distribuciones de frecuencia acumulada y
frecuencia relativa acumulada se presentan
grficamente con las ojivas de frecuencia
acumulada y frecuencia relativa acumulada,
que es una grfica de segmentos de lnea que
une los puntos donde se cruzan los lmites
170
reales con las frecuencias relativas
acumuladas, de cada intervalo de clase.
ORDEN DE UNA MATRIZ Es el nmero que designa, en una matriz
cuadrada, el nmero de filas o columnas.
ORTOGONAL Se dice de las variables y en general, de las
funciones que son independientes.
P (P- VALOR) El nivel de significacin observado en el test.
Cuanto ms pequeo sea, mayor ser la
evidencia para rechazar la hiptesis nula.
PARMETROS Son valores desconocidos de caractersticas
de una distribucin terica. El objetivo de la
estadstica es estimarlos, bien dando un valor
concreto, bien dando un intervalo confidencial.
PEARSON ( R DE PEARSON) Ver coeficiente de correlacin.
PERCENTIL Puntuacin en un test, que indica el tanto por
ciento de sujetos del grupo normativo que
dicha puntuacin deja por debajo.
PERCENTILES Un percentil 90% corresponde a un valor que
divide a la muestra en dos, de forma que hay
un 90% de valores muestrales inferiores a ste,
y un 10% de valores muestrales superiores.
Los percentiles 25%, 50%, 75% son el primer,
segundo y tercer cuartel, respectivamente.
POBLACIONES Conjunto de individuos de inters.
Normalmente no se dispone de informacin de
toda la poblacin y se recurre a muestras.
POLGONO El polgono de frecuencia consiste de
segmentos de lnea conectando los puntos
formados por la interseccin de las marcas de
clase y las frecuencias de clase. El polgono de
frecuencia relativa es similar, slo que en ste
se muestran porcentajes, es decir, las
frecuencias relativas de cada clase.
PORCENTAJES Proporciones expresadas en tanto por ciento.
POTENCIA DE LA PRUEBA (1-beta). Es decir la probabilidad de rechazar
una hiptesis nula siendo sta falsa. Se suele
expresar en tanto por ciento.
PREVALECIA Cociente entre el nmero de individuos que
poseen una caracterstica (p. ej. enfermedad)
entre el total de la poblacin.
PROBABILIDAD Asignacin de un nmero entre cero y uno a
cada resultado experimental.
PROCESO DISCRIMINANTE Proceso subjetivo originado en el sujeto ante la
presentacin de un estmulo a travs del cual le
asignar un valor tambin subjetivo en el
continuo psicolgico.
PROPORCIN Nmero de individuos que verifican una
condicin entre el total del tamao muestral. Se
puede expresar en tanto por uno o en tanto por
cien.
PRUEBA CHI CUADRADO Se utiliza para analizar tablas de contingencia
y comparacin de proporciones en datos
independientes.
PRUEBA DE F Prueba estadstica que sirve para comparar
varianzas. El estadstico F experimental es el
estadstico de contraste en el ANOVA y otras
171
pruebas de comparacin de varianzas.
PRUEBA DE FISHER Es la prueba estadstica de eleccin cuando la
prueba de Chi-cuadrado no puede ser
empleada por tamao muestral insuficiente.
PRUEBA DE LOS SIGNOS Prueba estadstica que sirve para comparar
dos variables en trminos de diferencias
positiva o negativa, y no en trminos de
magnitud
PRUEBA DE MCNEMAR Prueba estadstica que sirve para comparar
proporciones en datos pareados.
PRUEBA NO PARAMTRICA Tcnica estadstica que no presupone ninguna
distribucin de probabilidad terica de la
distribucin de nuestros datos.
PRUEBA PARAMTRICA En contraposicin de las tcnicas no
paramtricas, stas si presuponen una
distribucin terica de probabilidad subyacente
para la distribucin de los datos. Son ms
potentes que las no paramtricas.
PRUEBA T DE STUDENT Se utiliza para la comparacin de dos medias
de poblaciones independientes y normales.
PUNTO DE INFLEXIN Representan los puntos de una funcin
matemtica donde la curva pasa de ser
cncava a convexa o recprocamente.
RANGO Diferencia entre el valor mximo y mnimo de
una muestra o poblacin. Slo es vlido en
variables continuas. Es una mala traduccin de
ingls "range". Amplitud.
RANGO INTERCUARTLICO La diferencia entre el percentil 75% y el
percentil 25%.
RAZN DE VEROSIMILITUDES Combina resultados de varios tests
diagnsticos dando una probabilidad de
enfermedad en base a ese conjunto de
resultados en forma global.
RECTA DE REGRESIN Es el modelo que sirve para explicar una
variable respuesta continua en trminos de un
nico factor o variable explicativa.
REGRESIN Tcnica estadstica que relaciona una variable
dependiente (y) con la informacin
suministrada por otra variable independiente
(x) ambas variables deben ser continuas. Si
asumimos relacin lineal, utilizaremos la
regresin lineal simple. Entre las restricciones
de la RLS se incluyen:
Los residuos deben ser normales.
Las observaciones independientes.
La dispersin de los residuos debe
mantenerse a lo largo de la recta de
regresin.
REGRESIN Prediccin del valor de una variable a partir el
valor conocido de otra variable.
REGRESIN LINEAL MLTIPLE El modelo de regresin lineal mltiple sirve
para explicar una variable respuesta continua
en trminos de varios factores o variables
explicativas continuas
REGRESIN POLINMICA Es un tipo especial de regresin mltiple donde
aparecen como variables independientes una
172
nica variable y potencias de sta (al
cuadrado, al cubo).
RELACIN LINEAL Ver recta de regresin.
RESIDUOS Residuales. Distribucin de valores muestrales
calculados como la diferencia entre el valor de
la variables respuesta (y) y el estimado del
modelo de regresin ( ^y). La distribucin de
residuos es importante como indicador del
cumplimiento de las condiciones de aplicacin
de las tcnicas de correlacn, as como de la
bondad del ajuste.
SECTORES CIRCULARES Forma de representacin en forma de tarta de
variables discretas nominales.
SENSIBILIDAD DE UN TEST Representa la probabilidad de que un individuo
DIAGNSTICO est enfermo habiendo dado positivo en el test
diagnstico.
SESGO La diferencia entre el valor del parmetro y su
valor esperado. Tambin se utiliza en
contraposicin de aleatorio, as una muestra
sesgada es no aleatoria.
SIMETRA Es una medida que refleja si los valores
muestrales se extienden o no de igual forma a
ambos lados de la media.
SPEARMAN (RHO DE Coeficiente de correlacin ordinal anlogo al
SPEARMAN) coeficiente r de Pearson de correlacin lineal.
SUMATORIO Estadstico descriptivo que suma los valores
numricos de los datos muestrales de
distribuciones continuas.
TABLA DEL ANOVA Es una forma de presentar la variabilidad
observada en una variable respuesta en
trminos aditivos segn las distintas fuentes de
variacin: modelo y residual.
TABLAS DE CONTINGENCIA Tablas de dos o ms variables, en cuyas
celdas se contabilizan los individuos que
pertenecen a cada combinacin de los
posibles niveles de estas variables.
TABLAS DE FRECUENCIAS Ver tablas de contingencia.
TAMAO MUESTRAL Nmero de individuos u observaciones que
componen la muestra.
TCNICAS DE CORRELACIN Ver coeficiente de correlacin.
TCNICAS DE REGRESIN Ver recta de regresin y regresin lineal
mltiple.
TCNICAS NO PARAMTRICAS Son tcnicas estadsticas que no presuponen
ningn modelo probabilstico terico. Son
menos potentes que las tcnicas paramtricas,
aunque tienen la ventaja de que se pueden
aplicar ms fcilmente.
TEOREMA DEL LMITE CENTRAL Resultado bsico en la estadstica que afirma
que la distribucin de las medias muestrales
ser normal para uno suficientemente grande
con independencia de la distribucin de datos
de partida.
TEST Instrumento de medicin diseado
especialmente para estudiar de un modo
objetivo y sistemtico el nivel de los sujetos
respecto a algn atributo o caracterstica.
173
TRANSFORMACIONES Cambios de escala con el propsito de
conseguir linealidad, normalidad en los datos.
UNIDAD Concepto primario relacionado con los
componentes elementales de las muestras
estadsticas. Sinnimo, pero no esencialmente
idntico, de caso, observacin, registro o
individuo.
UNIDIMENSIONALIDAD Es un supuesto bsico de los tres modelos
logsticos estudiados en esta asignatura. Un
test se considera unidimensional cuando todos
los tems miden un nico rasgo o aptitud, y esa
aptitud explica el rendimiento de los sujetos en
cada tem.
UNIVERSO Conjunto infinito de elementos o unidades
generado por un modelo terico. Conjunto real
de todos los elementos que comparten unas
condiciones de admisin en el conjunto.
VALIDACIN Proceso mediante el cual se recoge toda la
informacin posible y necesaria para poder
inferencias adecuadas a partir de las
puntuaciones obtenidas en los tests.
VALOR ESCALAR DE UN Valor modal de la distribucin discriminante.
ESTMULO
VALOR PREDICTIVO NEGATIVO La probabilidad de que un individuo est
DE UN TEST DIAGNSTICO enfermo si el test diagnstico da negativo.
VALOR PREDICTIVO POSITIVO DE La probabilidad de que un individuo est
UN TEST DIAGNSTICO enfermo si el test diagnstico da positivo.
VALORES Preferencias sobre objetivos de vida y formas
de vida ms que sobre actividades concretas.
VALORES NUMRICOS Resultados de las variables para cada
individuo en la muestra de estudio. Su
naturaleza puede ser nominal, dicotmica,
ordinal o continua.
VALORES NUMRICOS Resultados de las variables para cada
individuo en la muestra de estudio. Su
naturaleza puede ser nominal, dicotmica,
ordinal o continua.
VARIABLE Objeto matemtico que puede tomar diferentes
valores. Generalmente asociado a propiedades
o caractersticas de las unidades de la
muestra. Lo contrario de variable es constante.
Describen caractersticas en las observaciones
realizadas.
VARIABLE ALEATORIA Variable que cuantifica los resultados de un
experimento aleatorio. Variable que toma
diferentes valores como resultado de un
experimento aleatorio. Categora cuantificable
que puede tomar diferentes valores cada vez
un experimento o suceso, el valor slo se
conocer determinadamente una vez accedido
el suceso.
VARIABLE CONTINUA Aquella que puede tomar una infinidad de
valores, de forma que dados dos valores
cualesquiera, tambin pueda tomar cualquier
valor entre dichos valores.
VARIABLE DEPENDIENTE Ver variable respuesta.
174
VARIABLE DISCRETA Variable que toma un nmero infinito o finito de
valores numricos. Variable aleatoria que
puede tomar slo un nmero limitado de
valores.
VARIABLE EXPLICATIVA Ver variable independiente.
VARIABLE INDEPENDIENTES O Variables que nos sirven para construir un
EXPLICATIVAS modelo que explique el comportamiento de
una o ms variables respuesta.
VARIABLE RESPUESTA O Variable objeto del estudio en la cual sus
DEPENDIENTE resultados se pretenden explicar por medio de
las variables llamadas explicativas o
independientes.
VARIANZA Es la media aritmtica de las desviaciones
cuadradas de los datos respecto a la media.
VARIANZA Medida de variabilidad, definida como el
promedio de las diferencias al cuadrado de
cada puntuacin respecto a su media.
Caracterstica de una muestra o poblacin que
cuantifica su dispersin o variabilidad. La
varianza tiene unidades al cuadrado de la
variable. Su raz cuadrada positiva es la
desviacin tpica. La varianza muestral es un
estimador sesgado de la varianza poblacional.
VARIANZA DE ERROR Variacin aleatoria de la variable dependiente
debida a variables extraas que afecten de
forma sistemtica a dicha variable.
WILCOXON Prueba estadstica no paramtrica para la
comparacin de dos muestras (dos
tratamientos). Las distribuciones de datos no
necesitan seguir la distribucin normal. Es por
tanto una prueba menos restrictiva que la
prueba t-Student.
X2 CHI- CUADRADO Ver prueba de Chi cuadrado.
175
Bibliografa General
Freund John, Williams Frank, Perles Benjamn. Estadstica para la
administracin con enfoque moderno. Editorial Prentice Hall
hispanoamericana, S. A. 1990.
Johnson, Robert y Kuby Patricia. Estadstica elemental. Editorial Thomson,
Mxico, 2004.
Lipschutz, Seymour. Probabilidad. Editorial McGraw-Hill. 2da Edicin. Mxico
2001.
Murray R., Spiegel. Estadstica. Editorial McGraw-Hill. 2da. Edicin. Mxico,
2002.
Webster, Allen l. Estadstica aplicada a los negocios y la economa. Editorial
McGraw-Hill. 3ra. Edicin. Mxico, 2001.
Wisniewski, Piotr Marian y Velasco Sotomayor Gabriel. Probabilidad y
estadstica para ingeniera y ciencias. Editorial Thomson. 2da. Edicin.
Mxico, 2001.
176